10.3969/j.issn.1003-3254.2020.05.027
基于SVM与Inception-v3的手势识别
针对传统机器视觉的手势识别方法识别准确率低,抗干扰能力差等问题,提出了一种基于支持向量机(Support Vector Machine,SVM)手势分割和迁移学习的静态手势识别方法.本文使用SVM和迁移学习方法相结合构建新的手势识别模型,利用SVM对样本进行手势分割,将Inception-v3模型作为卷积神经网络模型基础,对网络参数进行fine-tuning,将预先经过手势分割处理后的样本导入模型训练,调整超参数得到新的最优手势识别模型,并在一定干扰环境下测试,得到测试结果.测试结果表明该方法识别准确率和实时反馈效率均高于传统方法,能高效识别手势,满足实际应用需求.
支持向量机、手势分割、迁移学习、手势识别
29
湖北省自然科学基金2018CFC810
2020-05-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
189-195