基于注意力卷积神经网络的动态手势识别研究

您当前的位置：

首页 >

文章列表页 >

光学图像处理与识别 | 更新时间：2025-09-01

- 基于注意力卷积神经网络的动态手势识别研究
- Study on dynamic gesture recognition based on attention mechanism convolutional neural network
- 光学技术 2020年46卷第6期页码：750-756
- 作者机构：
  
  1:江苏商贸职业学院电商与物流学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2020.06.019
  中图分类号：
- 纸质出版：2020
- 稿件说明：
移动端阅览
施丽红. 基于注意力卷积神经网络的动态手势识别研究[J]. 光学技术, 2020,46(6):750-756.

Study on dynamic gesture recognition based on attention mechanism convolutional neural network[J]. 2020, 46(6): 750-756.
施丽红. 基于注意力卷积神经网络的动态手势识别研究[J]. 光学技术, 2020,46(6):750-756. DOI： 10.13741/j.cnki.11-1879/o4.2020.06.019.

Study on dynamic gesture recognition based on attention mechanism convolutional neural network[J]. 2020, 46(6): 750-756. DOI： 10.13741/j.cnki.11-1879/o4.2020.06.019.

针对复杂环境下动态手势识别准确率低的问题

提出了一种基于长短期记忆网络和卷积神经网络的动态手势识别算法。采用长短期记忆网络学习每个滤波器的权重

预测人体外形相关的滤波器组;采用卷积神经网络提取目标手势的轨迹图

创建彩色的轨迹图像;将轨迹图像送入注意力卷积神经网络训练

利用神经网络识别出复杂环境下的手势。实验结果表明

该算法能够准确地检测与跟踪手势的动态变化

并且实现了较好的手势识别准确性。

浏览量

319

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于长短期记忆网络与特征融合的微表情识别算法

基于高光谱遥感的荒漠化草原草种类分类模型研究

基于低分辨率辅助特征和卷积神经网络的脑部图像配准方法

基于DSA-BCNN的毫米波图像隐藏物检测

基于改进Faster-RCNN的偏光片表面缺陷检测