基于可变形卷积神经网络的手势识别方法

摘要：

卷积神经网络本身具有丰富的特征表达能力和学习能力,但本质上,其模块中几何变换能力是固定的.因此,引入可变形卷积核来改进VGG-16的网络结构,搭建名为DC-VGG的卷积神经网络结构来进行手势识别的研究.在不同数据集下,基于可变形卷积神经网络的手势识别方法能够直接把RGB图像数据输入网络.最终输出的结果,对手势的平均识别率达到97%以上,有效提高网络的性能,提升卷积神经网络对样本对象的容忍度和多样性,丰富卷积神经网络的特征表达能力,与传统LeNet-5、VGG-16结构和传统人工特征提取算法相比效果更佳,比传统结构更深,鲁棒性更好,识别率更强,可以为复杂背景下有效识别手势提供参考,具有一定的延拓能力.

关键词：手势识别、可变形卷积、卷积神经网络、卷积核、双线性插值

分类号：TP391.9(计算技术、计算机技术)

资助基金：2016年省级大学生创新训练计划项目201610564356;广州市科技计划项目201707010031

在线出版日期：2018-05-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：62-67