10.16526/j.cnki.11-4762/tp.2020.04.040
基于语义分割与迁移学习的手势识别
针对复杂场景下深度相机环境要求高,可穿戴设备不自然,基于深度学习模型数据集样本少导致识别能力、鲁棒性欠佳的问题,提出了一种基于语义分割的深度学习模型进行手势分割结合迁移学习的神经网络识别的手势识别方法;通过对采集到的图像数据集进行不同角度旋转、翻转等操作进行数据集样本增强,训练分割模型进行手势区域的分割,通过迁移学习卷积神经网络更好地提取手势特征向量,通过Softmax函数进行手势分类识别;通过4个人在不同背景下做的10个手势,实验结果表明:针对复杂背景环境下能够正确地识别手势.
语义分割、迁移学习、手势识别、卷积神经网络
28
TP391(计算技术、计算机技术)
2020-05-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
196-199,204