指差しジェスチャを検出してその指が差す方向にポインタを表示したり，ジェスチャに応じてコマンドを入力したりする方法がある．先行研究では天井に下方へ向けて設置したRGB-Dセンサと深層学習による物体検出モデルを用いてこの実現を試みた．検出モデルの入力にはセンサから取得した深度データを画像化した深度画像を用いた．画像化の際に深度範囲を広げると認識精度が低下する問題があり，複数の層に分けて検出する方法を試みたが処理負荷の増大が課題となっていた．そこで本研究では，深度データを直接入力することができる検出モデルを検討した．実際にモデルの生成を試みた結果，深度画像を用いる方法よりも高い精度が確認されたことを述べる．