融合密集卷积与空间转换网络的手势识别方法

融合密集卷积与空间转换网络的手势识别方法

TP391.41; 手势识别作为人机交互的方式之一,在人工智能日益发展的今天备受瞩目.针对手势旋转、平移、缩放等形变导致识别率偏低的问题,该文基于密集卷积网络(Densenet)与空间转换网络(STN)提出了一种新型的网络结构Densenet_V2,先利用空间转换网络对输入的样本和特征图进行空间变换和对齐,再利用密集卷积网络自动提取手势的有效特征,最后通过线性分类器对手势进行分类.为防止网络模型对样本数据集过度拟合,对网络进行训练时在损失函数中加入L2正则项以实现权重衰减.在Marcel手势库上进行多次实验.实验结果表明,Densenet_V2可以提高对静态形变手势的识别率....

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:电子与信息学报 2018, Vol.40 (4), p.951-956
Hauptverfasser: 马杰, 张绣丹, 杨楠, 田亚蕾
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:TP391.41; 手势识别作为人机交互的方式之一,在人工智能日益发展的今天备受瞩目.针对手势旋转、平移、缩放等形变导致识别率偏低的问题,该文基于密集卷积网络(Densenet)与空间转换网络(STN)提出了一种新型的网络结构Densenet_V2,先利用空间转换网络对输入的样本和特征图进行空间变换和对齐,再利用密集卷积网络自动提取手势的有效特征,最后通过线性分类器对手势进行分类.为防止网络模型对样本数据集过度拟合,对网络进行训练时在损失函数中加入L2正则项以实现权重衰减.在Marcel手势库上进行多次实验.实验结果表明,Densenet_V2可以提高对静态形变手势的识别率.
ISSN:1009-5896
DOI:10.11999/JEIT170627