江苏商贸职业学院 电商与物流学院, 江苏 南通 226011
针对复杂环境下动态手势识别准确率低的问题, 提出了一种基于长短期记忆网络和卷积神经网络的动态手势识别算法。采用长短期记忆网络学习每个滤波器的权重, 预测人体外形相关的滤波器组; 采用卷积神经网络提取目标手势的轨迹图, 创建彩色的轨迹图像; 将轨迹图像送入注意力卷积神经网络训练, 利用神经网络识别出复杂环境下的手势。实验结果表明, 该算法能够准确地检测与跟踪手势的动态变化, 并且实现了较好的手势识别准确性。
长短期记忆网络 手势识别 卷积神经网络 注意力机制 残差神经网络 long short term memory network gesture recognition convolutional neural network attention mechanism residual neural networks
1 华东理工大学信息科学与工程学院, 上海 200237
2 东华大学信息科学与技术学院, 上海 201620
针对红外图像存在纹理信息不丰富和边缘信息较少导致深度估计精度难以提高的问题,本文设计一种深层神经网络估计红外图像的深度,该网络融合了一个二维(2D)残差神经网络和一个三维(3D)卷积神经网络。传统单幅红外图像的深度估计方法遗漏了帧间信息,容易出现物体轮廓模糊甚至丢失的情况。在2D和3D网络输入端分别加入稠密光流和前后帧图像。进一步将3D卷积网络提取的视频特征与2D残差网络的特征图做权值连接。不同于传统神经网络的全连接层,全卷积层突破了输入图片的尺寸限制。实验结果表明,本文提出的红外图像深度估计方法具有较高的精度,估计出的物体轮廓更清晰完整。
图像处理 红外图像 深度估计 光流信息 残差神经网络 卷积神经网络 激光与光电子学进展
2018, 55(6): 061010
