-
题名基于残差双注意力与跨级特征融合模块的静态手势识别
被引量:1
- 1
-
-
作者
吴佳璐
田秋红
岳金鸿
-
机构
浙江理工大学信息学院
-
出处
《计算机系统应用》
2022年第11期111-119,共9页
-
基金
国家自然科学基金(51405448)
浙江理工大学博士科研启动项目(11122932611817)
+2 种基金
浙江理工大学信息学院教育教学改革研究项目(11120033312202)
国家级大学生创新创业训练计划(11120032382104)
浙江省大学生科技成果推广项目(14530031661961)
-
文摘
为解决卷积神经网络提取特征遗漏、手势多特征提取不充分问题,本文提出基于残差双注意力与跨级特征融合模块的静态手势识别方法.设计了一种残差双注意力模块,该模块对ResNet50网络提取的低层特征进行增强,能够有效学习关键信息并更新权重,提高对高层特征的注意力,然后由跨级特征融合模块对不同阶段的高低层特征进行融合,丰富高级特征图中不同层级之间的语义和位置信息,最后使用全连接层的Softmax分类器对手势图像进行分类识别.本文在ASL美国手语数据集上进行实验,平均准确率为99.68%,相比基础ResNet50网络准确率提升2.52%.结果验证本文方法能充分提取与复用手势特征,有效提高手势图像的识别精度.
-
关键词
手势图像识别
ResNet
残差双注意力模块
跨级特征融合
深度学习
-
Keywords
gesture image recognition
ResNet
residual double attention module
cross-level feature fusion module
deep learning
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
-