-
题名融合多层卷积特征的双视点手势识别技术研究
被引量：8
- 1
-
-
作者
张哲
孙瑾
杨刘涛
-
机构
南京航空航天大学民航学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2019年第3期646-650,共5页
-
基金
国家自然基金青年科学基金项目(61702260)资助
南京航空航天大学研究生创新基地开放基金项目(kfjj20170716)资助
-
文摘
在人机交互技术领域,基于视觉的手部交互技术凭借其良好的舒适性和自然性被广泛研究和应用.手势识别是手势交互技术的核心内容之一.本文提出一种基于深度学习网络的识别方法,构建双视点网络框架,采用支持向量机对各视点下提取的特征进行分类识别,降低手势自遮挡的影响,提高识别精度;同时对各视点卷积网络,根据训练样本卷积特征的累计贡献率实现不同深度层的卷积特征的融合,补充深层网络丢失的浅层特征信息,增强特征鲁棒性.实验结果表明,较传统方法本文方法能有效提高手势识别准确率,同时基于预训练的学习方法能有效提高手势识别的时间效率.
-
关键词
人机交互
手势识别
深度学习
多层卷积特征
双视点深度学习网络
支持向量机分类器
-
Keywords
human-computer Interaction
gesture recognition
deep learning
multi-convolution features
dual-views deeplearning network
support vector machine(SVM)classifier
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于改进区域卷积神经网络的安全帽佩戴检测
被引量：18
- 2
-
-
作者
徐守坤
王雅如
顾玉宛
-
机构
常州大学信息科学与工程学院
-
出处
《计算机工程与设计》
北大核心
2020年第5期1385-1389,共5页
-
基金
国家自然科学基金应急管理基金项目(61640211)。
-
文摘
针对已有的安全帽佩戴检测算法对小尺寸目标和部分遮挡目标检测效果较差的问题,在区域卷积神经网络基础上,做出优化用于安全帽佩戴检测。在原始Faster RCNN的基础上使用多层卷积特征融合技术优化区域建议网络产生候选区域特征图,使用在线困难样本挖掘技术训练ROI网络,自动挑选出困难样本使训练更加有效。实验结果表明,相比原始的Faster RCNN算法,所提方法检测精度提高了4.73%,对部分遮挡和小尺寸目标均有较好的检测效果,对环境变化具有更强的适应性。
-
关键词
安全帽佩戴检测
区域卷积神经网络
区域建议网络
多层卷积特征融合
在线困难样本挖掘
-
Keywords
safety helmet wear detection
region convolutional neural network
region proposal network
multi-layer convolution feature fusion
online hard example mining
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
