基于深度胶囊网络与博弈论的可穿戴IMU连续手语识别
信号处理
2020-05-04 v1 机器学习
机器学习
摘要
手语被全世界的聋人社区所使用。本文提出一种新颖的一维深度胶囊网络(CapsNet)架构，利用定制设计的可穿戴IMU系统所获信号进行印度连续手语识别。通过改变胶囊层之间的动态路由来评估所提CapsNet架构的性能。所提CapsNet在3次路由下取得94%的准确率、5次路由下取得92.50%的准确率，优于卷积神经网络(CNN)的87.99%。所提架构的改进学习也由预测层处显示兴奋单元的空间激活得以验证。最后，设计了一种CapsNet与CNN之间新颖的非合作选摘与预测竞争。CapsNet的纳什均衡值高于CNN，表明所提方法的适用性。
引用
@article{arxiv.2005.00409,
title = {Continuous sign language recognition from wearable IMUs using deep capsule networks and game theory},
author = {Karush Suri and Rinki Gupta},
journal= {arXiv preprint arXiv:2005.00409},
year = {2020}
}