基于Faster R-CNN的手势识别算法
针对传统手势识别算法准确率不高、鲁棒性不强的问题,基于卷积神经网络提出基于Faster R-CNN的手势识别算法.首先修改Faster R-CNN框架的关键参数,达到同时检测和识别手势的目的;然后提出扰动交叠率算法,避免训练模型的过拟合问题,进一步提高识别准确率.在公共数据集NTU和VIVA上进行手势识别实验的结果表明,该算法有效地避免了训练模型的过拟合问题,比传统算法具有更高的识别准确率和更强的鲁棒性.
手势识别、Faster R-CNN、扰动交叠率、过拟合
30
TP391.41(计算技术、计算机技术)
2018-06-04(万方平台首次上网日期,不代表论文的发表时间)
共9页
468-476