一种用于手势识别的基于原型的广义零样本学习框架
计算机视觉与模式识别
2020-09-30 v1
摘要
手势识别在人机交互中发挥着重要作用，用于理解各种人类手势及其意图。然而，大多数先前工作只能识别有限标记类别的手势，且无法适应新类别。面向手势识别的广义零样本学习（GZSL）任务旨在通过利用语义表示并检测可见与不可见类样本来解决上述问题。本文中，我们提出一种用于手势识别的端到端基于原型的 GZSL 框架，其由两条分支组成。第一条分支是基于原型的检测器，学习手势表示并判定输入样本属于可见还是不可见类别。第二条分支是零样本标签预测器，将不可见类的特征作为输入，并通过特征与语义空间之间学到的映射机制输出预测。我们进一步建立了一个专门针对该 GZSL 任务的手势数据集，在该数据集上的全面实验证明了我们所提方法在识别可见与不可见手势上的有效性。
引用
@article{arxiv.2009.13957,
title = {A Prototype-Based Generalized Zero-Shot Learning Framework for Hand Gesture Recognition},
author = {Jinting Wu and Yujia Zhang and Xiaoguang Zhao},
journal= {arXiv preprint arXiv:2009.13957},
year = {2020}
}