基于残差融合双流图卷积网络的手势识别方法
针对传统图卷积网络易忽略空间特征与时间特征之间关联的问题,设计了一种基于残差结构和图卷积网络相融合的双流网络模型.首先网络包括空间流和时间流两个通道,将手势骨骼数据构建成空间图和时序图作为两通道的输入,通过分离时间维度和空间维度极大地提高了训练速度.然后为了增加网络深度,避免梯度消失等问题,嵌人残差结构并对其进行改进,更加有效利用时间特征,保证了特征的多样性.最后将两通道输出的空间点集序列和时间边集序列串联转化,输入Softmax分类器进行分类,得到识别结果.将新提出的方法在CSL和DEVISIGN-L手势数据集上进行实验,结果表明在两个数据集上识别精度分别达到了 96.2%和69.3%,证明该方法具有一定的先进性.
手势识别、残差结构、双流图卷积网络
45
TP391.9(计算技术、计算机技术)
国家海洋局重大专项
2022-10-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
20-24