XceptionTime：一种基于深度可分离卷积的用于手势分类的新型深度架构
机器学习
2019-11-12 v1 信号处理
机器学习
摘要
针对通过稀疏多通道表面肌电（sEMG）信号进行手势识别所面临的现有挑战，本文提出一种称为 XceptionTime 架构的新型深度学习模型。所提创新性 XceptionTime 通过整合深度可分离卷积、自适应平均池化以及一种新颖的非线性归一化技术而设计。该架构的核心是以串行方式拼接的若干 XceptionTime 模块，旨在捕获稀疏多通道 sEMG 信号的时空信息内容，而无需数据增强和/或手动设计特征提取。此外，通过整合自适应平均池化、Conv1D 和非线性归一化方法，XceptionTime 更不易过拟合，对输入的时间平移更鲁棒，且重要的是独立于输入窗口大小。最后，利用深度可分离卷积，XceptionTime 网络参数量大幅减少，从而网络复杂度更低。XceptionTime 的性能在 Ninapro 子数据集 DB1 上测试，结果显示其相比现有同类方法具有更优性能。就此而言，本文首次报道了在 200ms 窗口大小下 5.71% 的准确率提升。
引用
@article{arxiv.1911.03803,
title = {XceptionTime: A Novel Deep Architecture based on Depthwise Separable Convolutions for Hand Gesture Classification},
author = {Elahe Rahimian and Soheil Zabihi and Seyed Farokh Atashzar and Amir Asif and Arash Mohammadi},
journal= {arXiv preprint arXiv:1911.03803},
year = {2019}
}