10.3969/j.issn.1000-1220.2021.10.018
GRU-CNN优化模型的手势动作识别研究
近年来,动态手势识别已经成为计算机视觉领域的研究热点.由于手势动作的复杂性和多样性导致动态手势识别的识别率不是很高.随着深度学习的发展,卷积神经网络(CNN)在图像视频领域方面表现出较好的性能,但是,卷积神经网络仅仅考虑了图像序列的当前输入,丢失了上下文关系,为了解决这一问题,鉴于门控循环单元(GRU)网络具有对有长时间关联性数据较强的处理能力,本文提出了GRU-CNN融合网络模型.该模型可以提取更多的时空信息,而且具有较少的网络参数,收敛时间短,能更好的满足实时性需求.本模型在公开数据集MSRC-12上取得了良好的实验效果,同时分析了超参数(批量大小,权重和偏差学习率)对分类精度的影响.在网络模型的对比实验中,GRU-CNN的性能大大优于CNN-GRU模型.
图像处理;深度学习;动态手势识别;卷积神经网络;门控循环单元
42
TP391(计算技术、计算机技术)
国家自然科学基金项目;内蒙古自然科学基金项目
2021-10-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
2121-2124