基于双通道空洞卷积神经网络的手势识别

孙进; 张道周; 张洋; 习俊通; 朱兴龙

doi:10.13873/J.1000-9787(2022)03-0126-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于双通道空洞卷积神经网络的手势识别

计算与测试 | 更新时间：2025-09-11

- 基于双通道空洞卷积神经网络的手势识别
- 基于双通道空洞卷积神经网络的手势识别
- 传感器与微系统 2022年第3期页码：126-128
- 作者机构：
  
  扬州大学机械工程学院 2. 上海交通大学机械系统与振动国家重点实验室
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2022)03-0126-03
  中图分类号： TP183;TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
孙进, 张道周, 张洋, 等. 基于双通道空洞卷积神经网络的手势识别[J]. 传感器与微系统, 2022,(3):126-128.

基于双通道空洞卷积神经网络的手势识别[J]. 2022, (3): 126-128.
孙进, 张道周, 张洋, 等. 基于双通道空洞卷积神经网络的手势识别[J]. 传感器与微系统, 2022,(3):126-128. DOI： 10.13873/J.1000-9787(2022)03-0126-03.

基于双通道空洞卷积神经网络的手势识别[J]. 2022, (3): 126-128. DOI： 10.13873/J.1000-9787(2022)03-0126-03.

摘要

为了提高手势识别过程中识别率，提出了一种基于双通道卷积神经网络（CNN）的识别算法。首先，对原始手势图像进行预处理，得到手部边缘图像；然后，分别选取手势图像和手部边缘图像作为CNN的两个输入通道；最后，在全连接层进行特征融合，并用SoftMax分类器对输出结果进行分类。通过实验证明：该算法能有效提高手势识别率，达到99.6%

增强了CNN的泛化能力。

Abstract

增强了CNN的泛化能力。

关键词

Keywords

references

融合多层特征的多尺度行人检测 [J]. 曾接贤,方琦,符祥,冷璐. 中国图象图形学报 . 2019(10)

基于混合卷积神经网络的静态手势识别 [J]. 石雨鑫,邓洪敏,郭伟林. 计算机科学 . 2019(S1)

基于手势几何分布特征的手势识别 [J]. 韩笑,张晶,李月龙. 计算机科学 . 2019(S1)

基于卷积神经网络的静态手势识别研究 [J]. 吕华富. 现代计算机(专业版) . 2018(06)

深度学习在手写汉字识别中的应用综述 [J]. 金连文,钟卓耀,杨钊,杨维信,谢泽澄,孙俊. 自动化学报 . 2016(08)

基于卷积神经网络的手势识别初探 [J]. 蔡娟,蔡坚勇,廖晓东,黄海涛,丁侨俊. 计算机系统应用 . 2015(04)

浏览量

1035

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据