双通道卷积神经网络在静态手势识别中的应用

• 作者: 冯家文 张立民 邓向阳
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 静态手势识别 卷积神经网络 双通道 卷积核
• 年，卷（期）: 2018,（14）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 148-152,162
• 页数: 6页
• 分类号: TP183
• 字数: 6071字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1703-0140

摘要

针对静态手势识别任务中,传统基于人工提取特征方法耗时耗力,识别率较低,现有卷积神经网络依赖单一卷积核提取特征不够充分的问题,提出双通道卷积神经网络模型.输入手势图片通过两个相互独立的通道进行特征提取,双通道具有尺度不同的卷积核,能够提取输入图像中不同尺度的特征,然后在全连接层进行特征融合,最后经过softmax分类器进行分类.在Thomas Moeslund和Jochen Triesch手势数据库上进行实验验证,结果表明该模型提高了静态手势识别的准确率,增强了卷积神经网络的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张立民	海军航空工程学院信息融合研究所	163	596	11.0	15.0
2	邓向阳	海军航空工程学院信息融合研究所	15	45	4.0	6.0
3	冯家文	海军航空工程学院信息融合研究所	2	14	2.0	2.0