基于特征激活增强与正交原型学习的开集手势识别
计算机视觉与模式识别
2023-12-06 v1
摘要
手势识别是人机交互 (HMI) 中的一项基础任务。尽管基于表面肌电信号 (sEMG) 的手势识别已取得显著进展，但仅在闭集内准确识别预定义手势在实践中仍显不足。在稳健的系统中，有效辨别并拒绝不感兴趣的未知手势至关重要。已有许多基于原型学习 (PL) 的方法被提出以解决这一开集识别 (OSR) 问题。然而，它们并未充分探索已知类与未知类之间的内在区别。在本文中，我们提出了一种更有效的 PL 方法，利用两种新颖且内在的区别——特征激活水平与投影不一致性。具体而言，特征激活增强机制 (FAEM) 扩大了已知类与未知类之间特征激活值的差距。此外，我们引入正交原型学习 (OPL) 以构建多个视角。OPL 从正交方向投影样本，以最大化其两个投影之间的区别，其中未知样本将被投影至不同已知类簇附近，而已知样本仍保持类内相似性。我们所提出的方法同时实现了对预定义手势的准确闭集分类和对未知手势的有效拒绝。大量实验证明了其在基于 sEMG 的开集手势识别中的有效性与优越性。
引用
@article{arxiv.2312.02535,
title = {Towards Open-set Gesture Recognition via Feature Activation Enhancement and Orthogonal Prototype Learning},
author = {Chen Liu and Can Han and Chengfeng Zhou and Crystal Cai and Suncheng Xiang and Hualiang Ni and Dahong Qian},
journal= {arXiv preprint arXiv:2312.02535},
year = {2023}
}