典型文献
轻量级(2+1)D卷积结构的动态手势识别研究
文献摘要：
目前,基于卷积神经网络的动态手势识别方法取得了巨大的进展,但神经网络模型具有很大的参数量,计算成本和内存占用较大,很难应用在设备资源有限的场合.以减少计算量和参数量为出发点,提出了一种轻量级(2+1)D卷积结构.该结构在(2+1)D卷积结构的基础上,将其中的3D卷积替换为3D深度可分离卷积,在输出向量维度不变的前提下,进一步减少了(2+1)D卷积结构的计算量和参数量.为了弥补时空特征在表征动态手势上的不足,融合注意力机制模块,专注于对运动特征的提取,结合轻量级(2+1)D卷积结构提取的时空特征,可以更好地表征手势动作.实验结果表明,注意力机制模块的插入,在不增加太多额外计算和空间成本的前提下,进一步提高了模型的识别精度.基于以上结构构建的模型,在20BN-jester、EgoGesture和IsoGD数据集上分别取得了 96.62％、91.83％和60.1％的识别精度,模型参数量和浮点计算量分别为5.05M和12.81GFLOPs,相比于其他手势识别模型,计算成本和内存占用大大减少,实时手势识别速度达到每秒70帧.
文献关键词：
动态手势识别;卷积神经网络;轻量级(2+1)D卷积结构;注意力机制
中图分类号：
作者姓名：
赵康;黎向锋;李高扬;左敦稳
作者机构：
南京航空航天大学机电学院,江苏南京210016
文献出处：
引用格式：
[1]赵康;黎向锋;李高扬;左敦稳-.轻量级(2+1)D卷积结构的动态手势识别研究)[J].微电子学与计算机,2022(09):46-54
A类：
20BN,jester,EgoGesture,IsoGD,05M,81GFLOPs
B类：
轻量级,2+1,动态手势识别,计算成本,内存占用,减少计算量,深度可分离卷积,向量维度,补时,时空特征,注意力机制模块,运动特征,特征的提取,结构提取,手势动作,太多,识别精度,模型参数量,浮点计算,识别模型,大大减少,每秒
AB值：
0.202425
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
