基于表面肌电信号的自然打字识别
人机交互
2021-09-30 v2 机器学习
摘要
通过将计算机键盘用作手指记录设备，我们构建了现有最大的基于表面肌电图（sEMG）的手势识别数据集，并使用深度学习从测量的肌肉电位中完全重建键入文本，达到超过 90% 的字符级准确率。我们优先考虑 EMG 信号的时间结构而非电极布局的空间结构，使用了受实时口语转录所用网络架构启发的网络架构。我们的架构可识别自然计算机打字中的快速运动，这些运动以不规则间隔发生且常在时间上重叠。我们数据集的庞大规模还使我们能够在合成降低空间或时间分辨率后研究手势识别，展示了实时手势识别所需的系统能力。
引用
@article{arxiv.2109.10743,
title = {Natural Typing Recognition via Surface Electromyography},
author = {Michael S. Crouch and Mingde Zheng and Michael S. Eggleston},
journal= {arXiv preprint arXiv:2109.10743},
year = {2021}
}
备注
v2: Correct typo in paper title