使用卷积神经网络的大规模孤立手势识别
计算机视觉与模式识别
2017-01-10 v1
摘要
本文提出了三种简单、紧凑且有效的深度序列表示，分别称为动态深度图像（DDI）、动态深度法向图像（DDNI）和动态深度运动法向图像（DDMNI）。这些动态图像通过双向秩池化从深度图序列构建，以有效捕获时空信息。此类基于图像的表示使我们能够微调在图像数据上训练好的现有卷积神经网络模型，用于深度序列分类，而无需引入大量待学习参数。基于所提出的表示，我们开发了一种基于卷积神经网络（ConvNets）的手势识别方法，并在 ChaLearn Looking at People (LAP) 2016 挑战赛的大规模孤立手势识别任务上进行了评估。该方法取得了 55.57% 的分类准确率，在该挑战赛中排名第二，尽管我们仅使用了深度数据，但性能非常接近最佳结果。
引用
@article{arxiv.1701.01814,
title = {Large-scale Isolated Gesture Recognition Using Convolutional Neural Networks},
author = {Pichao Wang and Wanqing Li and Song Liu and Zhimin Gao and Chang Tang and Philip Ogunbona},
journal= {arXiv preprint arXiv:1701.01814},
year = {2017}
}
备注
arXiv admin note: text overlap with arXiv:1608.06338