10.3778/j.issn.1002-8331.1911-0315
一种复合型手势识别方法研究
针对已有卷积神经网络在手势识别过程中精度不高的问题,提出了一种双通道卷积神经网络的特征融合与动态衰减学习率相结合的复合型手势识别方法.通过两个相互独立的通道进行手势图像的特征提取,首先使用SENet(Squeeze-and-Excitation Networks)构成的第一通道提取全局特征,然后使用RBNet(Residual Block Networks)构成的第二通道提取局部特征,并将全局特征和局部特征进行通道维度上的融合.同时,利用动态衰减的学习率训练双通道网络模型.与其他卷积神经网络模型的对比实验结果表明,提出的复合型手势识别方法的手势识别率高,参数数量少,适用于不同手势图像数据集的识别.
卷积神经网络(CNN)、手势识别、双通道特征融合、SENet、RBNet
57
TP391(计算技术、计算机技术)
广西科技重大专项;广西研究生教育创新计划项目
2021-03-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
108-113