采用低复杂度循环神经网络的穿戴设备动态手势识别
计算机视觉与模式识别
2016-08-16 v1 机器学习
摘要
手势识别是许多穿戴设备的一项关键技术。以往算法大多基于包括隐马尔可夫模型在内的统计方法，而我们开发了两种使用低复杂度循环神经网络（RNN）算法的动态手势识别技术。一种基于视频信号，采用卷积神经网络（CNN）与 RNN 的组合结构。另一种使用加速度计数据，仅需 RNN。我们进行了定点优化，将大部分权重量化为两位，以优化权重存储所需的内存大小，并降低基于硬件和软件实现的功耗。
引用
@article{arxiv.1608.04080,
title = {Dynamic Hand Gesture Recognition for Wearable Devices with Low Complexity Recurrent Neural Networks},
author = {Sungho Shin and Wonyong Sung},
journal= {arXiv preprint arXiv:1608.04080},
year = {2016}
}
备注
This paper was accepted in ISCAS 2016