学习用于手势识别的深度紧凑模型
计算机视觉与模式识别
2018-01-01 v1
摘要
我们研究在深度学习框架下从视频中开发紧凑且准确的手势识别模型的问题。为此，我们提出了一种可端到端训练的联合 3DCNN-LSTM 模型，并证明该模型更适于捕捉动作中的动态信息。该方案在 ChaLearn 数据集上取得了接近 SOTA 的准确率，而模型大小仅为一半。我们还探索了在知识蒸馏框架结合模型压缩下导出更紧凑表示的方法。最终模型大小小于 ，不到初始模型的百分之一，准确率下降 ，适用于移动设备上的实时手势识别。
引用
@article{arxiv.1712.10136,
title = {Learning Deep and Compact Models for Gesture Recognition},
author = {Koustav Mullick and Anoop M. Namboodiri},
journal= {arXiv preprint arXiv:1712.10136},
year = {2018}
}
备注
Accepted at 2017 IEEE International Conference on Image Processing (ICIP 2017)