融合双流三维卷积和注意力机制的动态手势识别

• 作者: 王粉花 张强 黄超 张苒
• 来源期刊: 电子与信息学报
• 关键词: 动态手势识别 深度学习 双流3维卷积神经网络 注意力机制 BN层
• 年，卷（期）: 2021,（5）
• 页码范围: 1389-1396
• 页数: 8页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11999/JEIT200065

摘要

得益于计算机硬件以及计算能力的进步，自然、简单的动态手势识别在人机交互方面备受关注。针对人机交互中对动态手势识别准确率的要求，该文提出一种融合双流3维卷积神经网络(I3D)和注意力机制(CBAM)的动态手势识别方法CBAM-I3D。并且改进了I3D网络模型的相关参数和结构，为了提高模型的收敛速度和稳定性，使用了批量归一化(BN)技术优化网络，使优化后网络的训练时间缩短。同时与多种双流3D卷积方法在开源中国手语数据集(CSL)上进行了实验对比，实验结果表明，该文所提方法能很好地识别动态手势，识别率达到了90.76%，高于其他动态手势识别方法，验证了所提方法的有效性和可行性。