DeepGRU：深度手势识别工具
计算机视觉与模式识别
2019-10-11 v4 人机交互
摘要
我们提出 DeepGRU，一种受近期手势与动作识别深度学习进展启发的新颖端到端深度网络模型，其精简且设备无关。DeepGRU 仅使用原始骨架、姿态或向量数据，易于理解、实现和训练，却在具挑战性的数据集上取得了最先进的结果。我们方法的核心是一组堆叠的门控循环单元（GRU）、两个全连接层以及一个新颖的全局注意力模型。我们在七个公开可用数据集上评估了我们的方法，这些数据集包含不同数量的样本并涵盖广泛的交互类型（全身、多演员、手势等）。除一种情况外，我们在所有情况下均优于最先进的基于姿态的方法。例如，我们在 NTU RGB+D 数据集的跨主体和跨视角测试上分别取得了 84.9% 和 92.3% 的识别准确率，并在 UT-Kinect 数据集上取得 100% 的识别准确率。尽管 DeepGRU 在具有大量训练样本的大数据集上表现良好，我们表明即便缺乏大量训练数据，且每类仅有少至四个样本，DeepGRU 也能击败专为小训练集设计的传统方法。最后，我们证明即使没有强大硬件、仅使用 CPU，我们的方法仍可在十分钟内在小规模数据集上完成训练，使其成为快速应用原型开发与设计的诱人选择。
引用
@article{arxiv.1810.12514,
title = {DeepGRU: Deep Gesture Recognition Utility},
author = {Mehran Maghoumi and Joseph J. LaViola},
journal= {arXiv preprint arXiv:1810.12514},
year = {2019}
}
备注
Published in ISVC 2019. Code is available at https://github.com/Maghoumi/DeepGRU