检索结果-南通市图书馆

计算机工程 2021年第11期47卷 283-291页

作者：徐访黄俊陈权重庆邮电大学通信与信息工程学院重庆400065

在不带有标志帧的手势视频上进行动态手势识别,容易导致识别准确率下降。提出一种具有分级网络结构的动态手势识别模型。以手势检测模型为第1级网络,手势分类模型为第2级网络,分步完成识别任务。同时,将三维卷积核拆分为时间域和空间域... 详细信息

在不带有标志帧的手势视频上进行动态手势识别,容易导致识别准确率下降。提出一种具有分级网络结构的动态手势识别模型。以手势检测模型为第1级网络,手势分类模型为第2级网络,分步完成识别任务。同时,将三维卷积核拆分为时间域和空间域卷积分阶段完成任务,解决三维卷积神经网络中因参数过多造成模型训练或运行时间过长的问题。实验结果表明,在保证实时性的前提下,该模型在EgoGesture数据集上的识别准确率高达93.35%,优于C3D、ResNeXt101、MTUT等模型。

关键词：动态手势识别分级结构卷积核拆分 3D卷积神经网络手势检测器

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于3D卷积神经网络的动态手势识别方法

引用

计算机工程 2020年

作者：徐访黄俊陈权重庆邮电大学通信与信息工程学院

作为人机交互的重要方式，手势交互和手势识别由于其灵活、便捷的特点已成为当前虚拟现实、远程控制等领域的研究热点。针对在不带有标志帧的手势视频上进行动手势识别导致准确率受影响的问题，提出一种具有分级网络结构的动态手势识别... 详细信息

作为人机交互的重要方式，手势交互和手势识别由于其灵活、便捷的特点已成为当前虚拟现实、远程控制等领域的研究热点。针对在不带有标志帧的手势视频上进行动手势识别导致准确率受影响的问题，提出一种具有分级网络结构的动态手势识别方法，该方法以手势检测模型为第一级网络，手势分类模型为第二级网络，将识别任务分步完成。同时，为了避免分阶段完成任务和三维卷积神经网络中大量参数，造成模型训练或运行时间消耗过大，提出了一种将三维卷积核拆分为时间域卷积和空间域卷积的方法以减少模型的时间消耗。实验结果表明，该文章保证实时性的前提下，在实验数据集EgoGesture上识别准确率达到了93.35%，优于C3D、ResNeXt101、MTUT等方法，证明了文章提出的方法的有效性。

关键词：动态手势识别分级结构卷积核拆分 3D卷积神经网络手势检测器

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：