典型文献
基于残差双注意力与跨级特征融合模块的静态手势识别
文献摘要：
为解决卷积神经网络提取特征遗漏、手势多特征提取不充分问题,本文提出基于残差双注意力与跨级特征融合模块的静态手势识别方法.设计了一种残差双注意力模块,该模块对ResNet50网络提取的低层特征进行增强,能够有效学习关键信息并更新权重,提高对高层特征的注意力,然后由跨级特征融合模块对不同阶段的高低层特征进行融合,丰富高级特征图中不同层级之间的语义和位置信息,最后使用全连接层的Softmax分类器对手势图像进行分类识别.本文在ASL美国手语数据集上进行实验,平均准确率为99.68％,相比基础ResNet50网络准确率提升2.52％.结果验证本文方法能充分提取与复用手势特征,有效提高手势图像的识别精度.
文献关键词：
手势图像识别;ResNet;残差双注意力模块;跨级特征融合;深度学习
中图分类号：
作者姓名：
吴佳璐;田秋红;岳金鸿
作者机构：
浙江理工大学信息学院,杭州310018
文献出处：
引用格式：
[1]吴佳璐;田秋红;岳金鸿-.基于残差双注意力与跨级特征融合模块的静态手势识别)[J].计算机系统应用,2022(11):111-119
A类：
跨级特征融合
B类：
特征融合模块,手势识别,提取特征,遗漏,多特征提取,残差双注意力模块,ResNet50,低层,有效学习,关键信息,特征图,位置信息,全连接层,Softmax,分类器,分类识别,ASL,美国手语,平均准确率,比基,准确率提升,分提,复用,高手,识别精度,手势图像识别
AB值：
0.278864
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。
