基于深度学习的手势语言识别姿态估计评估
计算机视觉与模式识别
2016-04-21 v3
摘要
人体姿态估计和手部检测是执行基于计算机视觉的手势语言识别 (SLR) 系统的两个重要任务。 然而，当输入为彩色视频且无深度信息时，这两个任务都具有挑战性。 文献中已提出许多算法用于这些任务，最近最成功的算法一些是基于深度学习的。 本文介绍了一个用于 SLR 领域的人体姿态估计数据集。 我们对两种基于深度学习的姿态估计方法进行评估，通过在数据集上进行用户独立实验。 我们还进行了迁移学习，并获得结果表明迁移学习可以提高姿态估计精度。 数据集和这些方法的结果可为未来工作创建有用的基准。
引用
@article{arxiv.1602.09065,
title = {Evaluation of Deep Learning based Pose Estimation for Sign Language Recognition},
author = {Srujana Gattupalli and Amir Ghaderi and Vassilis Athitsos},
journal= {arXiv preprint arXiv:1602.09065},
year = {2016}
}