-
公开(公告)号:CN114093027A
公开(公告)日:2022-02-25
申请号:CN202111370077.4
申请日:2021-11-18
申请人: 常州工学院
摘要: 本发明公开了一种基于卷积神经网络的动态手势识别方法、装置及可读介质。步骤1对公开的复杂手势数据集进行预处理;步骤2将C3D网络与EfficientNet‑B0网络模型相结合,简化网络结构;步骤3将EfficientNet‑B0网络中的压缩与激发网络替换为选择核心网络;步骤4将浅层特征与深层特征融合;步骤5对改造后C3D+EfficientNet‑B0融合网络进行训练和测试。本发明解决了现有动态手势识别网络网络结构复杂且提取无效特征以及对浅层特征信息挖掘利用不够的问题,实现了对复杂动态手势的识别,提高了动态手势分类准确率,可应用于人机交互的场所,在生活中为人们带来便利。
-
公开(公告)号:CN114093027B
公开(公告)日:2024-07-26
申请号:CN202111370077.4
申请日:2021-11-18
申请人: 常州工学院
IPC分类号: G06V40/20 , G06N3/0464 , G06N3/08 , G06V10/82
摘要: 本发明公开了一种基于卷积神经网络的动态手势识别方法、装置及可读介质。步骤1对公开的复杂手势数据集进行预处理;步骤2将C3D网络与EfficientNet‑B0网络模型相结合,简化网络结构;步骤3将EfficientNet‑B0网络中的压缩与激发网络替换为选择核心网络;步骤4将浅层特征与深层特征融合;步骤5对改造后C3D+EfficientNet‑B0融合网络进行训练和测试。本发明解决了现有动态手势识别网络网络结构复杂且提取无效特征以及对浅层特征信息挖掘利用不够的问题,实现了对复杂动态手势的识别,提高了动态手势分类准确率,可应用于人机交互的场所,在生活中为人们带来便利。
-
-