10.19678/j.issn.1000-3428.0059945
结合Bi⁃2DPCA与CNN的美式手语识别
针对现有美式手语(ASL)识别算法准确率低和模型训练时间长的问题,提出一种结合双向二维主成分分析(Bi-2DPCA)与卷积神经网络(CNN)并基于贝叶斯优化的识别算法.利用Bi-2DPCA算法对原始图像做数据降维处理,提取行、列方向的特征图,使用卷积神经网络对特征图进行训练分类,同时采用贝叶斯优化算法对模型超参数进行自动调参.在24分类ASL数据集上的实验结果表明,该算法的识别准确率达到99.15%,训练时间相比传统CNN算法减少90.3%.
美式手语识别;双向二维主成分分析;卷积神经网络;贝叶斯优化;自动调参
47
TP389.1(计算技术、计算机技术)
国家自然科学基金;上海市科委"科技创新行动计划"软科学重点项目;上海理工大学科技发展基金
2021-12-20(万方平台首次上网日期,不代表论文的发表时间)
共7页
278-284