期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
面向人机交互的通道注意力位移图神经网络 被引量:1
1
作者 易思恒 陈永辉 +1 位作者 王赋攀 蔡婷 《小型微型计算机系统》 CSCD 北大核心 2022年第3期604-610,共7页
在人机交互动作识别领域中,基于深度学习的动作识别方法比传统的手工特征提取方法准确率更高.为了解决基于深度学习的动作识别方法在实时人机交互的实际应用问题,本文设计并创建了交互动作数据集(IA RGB-D),用于深度学习方法的人体动作... 在人机交互动作识别领域中,基于深度学习的动作识别方法比传统的手工特征提取方法准确率更高.为了解决基于深度学习的动作识别方法在实时人机交互的实际应用问题,本文设计并创建了交互动作数据集(IA RGB-D),用于深度学习方法的人体动作识别研究.将IA RGB-D用于多种神经网络的训练和测试,测试结果准确率均在95%以上,验证了数据集的正确性和有效性.为保障对采集动作的实时识别正确率,本文提出了一种基于高效通道注意力的位移图神经网络(ASGCN),将高效通道注意力模块引入位移图卷积神经网络(Shift-GCN),增强其在通道特征上的提取能力.实验证明,ASGCN比Shift GCN准确率更高,提高了复杂动作的识别率,并且与传统的手工特征提取方法对比,识别效率接近但是准确率大幅提升. 展开更多
关键词 人体动作识别 图卷积神经网络 人机交互动作数据集 人机交互动作识别 骨骼关节点数据
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部