基于改进多尺度深度卷积网络的手势识别算法

摘要：

基于传统的浅层学习网络由于过度依赖于人工选择手势特征,因此不能实时适应复杂多变的自然场景.在卷积神经网络架构的基础上,提出了一种改进的多尺度深度网络手势识别模型,该模型能够利用卷积层自动学习手势特征,进而除去人工提取特征的弊端.该方法引入自适应多尺度特性来实现同一卷积层不同尺寸卷积核生成不同尺度特征,并通过级联浅层和深层的特征来达到不同抽象程度的特征图融合.同时,为了增强模型的泛化能力,提出了基于正则化约束的损失函数.实验结果表明,所提网络模型的识别精度高于普通单尺度卷积神经网络结构的识别精度,弥补了提取特征不够精细、全面及稳定性欠佳等缺点,同时网络训练所需的时间并没有大幅度增加.

关键词：手势识别、深度学习、多尺度、卷积特征、正则化、损失函数

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;大连外国语大学科研基金项目;辽宁省教育厅科学研究一般项目;辽宁省自然科学基金项目;辽宁省博士科研启动基金项目

在线出版日期：2020-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：180-183