10.19678/j.issn.1000-3428.0059314
基于3D卷积神经网络的动态手势识别模型
在不带有标志帧的手势视频上进行动态手势识别,容易导致识别准确率下降.提出一种具有分级网络结构的动态手势识别模型.以手势检测模型为第1级网络,手势分类模型为第2级网络,分步完成识别任务.同时,将三维卷积核拆分为时间域和空间域卷积分阶段完成任务,解决三维卷积神经网络中因参数过多造成模型训练或运行时间过长的问题.实验结果表明,在保证实时性的前提下,该模型在EgoGesture数据集上的识别准确率高达93.35%,优于C3D、ResNeXt101、MTUT等模型.
动态手势识别;分级结构;卷积核拆分;3D卷积神经网络;手势检测器
47
TP391.4(计算技术、计算机技术)
国家自然科学基金61671095
2021-11-18(万方平台首次上网日期,不代表论文的发表时间)
共9页
283-291