资料下载
×
3D卷积神经网络的手势识别
消耗积分:2 |
格式:rar |
大小:2.45 MB |
2018-01-30
分享资料个
传统2D卷积神经网络对于视频连续帧图像的特征提取容易丢失目标时间轴上的运动信息，导致识别准确度较低。为此，提出一种基于多列深度3D卷积神经网络（3D CNN）的手势识别方法。采用3D卷积核对连续帧图像进行卷积操作，提取目标的时间和空间特征捕捉运动信息。为避免因单组3D CNN特征提取不充分而导致的误分类，训练多组具有较强分类能力的3D CNN结构组成多列深度3D CNN，该结构通过对多组3D CNN的输出结果进行权衡，将权重最大的类别判定为最终的输出结果。实验结果表明，将多列深度3D CNN应用于CHGDs数据集上进行手势识别，识别率达到95. Og%，与单组3D CNN及传统2D CNN相比分别提高近7%，20%，对连续图像目标识别具有较好的识别能力。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
