典型文献
改进Inception-v3网络的手势图像识别
文献摘要：
鉴于Inception-v3网络参数量过大的问题,本文提出了一种有效的手势图像识别方法,能够满足在模型参数量较少的情况下高精度手势识别的需求.本文利用Inception-v3的结构,对原Inception-v3的Inception模块重新进行设计,降低学习的参数量和难度,结合残差连接,保护信息的完整性,防止网络退化,引入注意力机制模块,让模型聚焦于有用的信息而淡化无用信息,在一定程度上也防止了模型的过拟合,并且在模型中进行上采样与低层特征进行特征融合,融合后的特征比原输入特征更具有判别能力,进一步提高模型的准确率.实验结果表明改进的Inception-v3网络的参数量仅为1.65 M,而且拥有更高的准确率和更快的收敛速度.将ASL手语数据集与孟加拉手语数据集分别打乱,然后按照4:1的比例单独划分出训练集和验证集.改进的Inception-v3在ASL手语数据集与孟加拉手语数据集上的识别率分别达到了100％和95.33％.
文献关键词：
手语识别;Inception-v3网络;注意力机制模块;上采样;特征融合;深度学习;卷积神经网络(CNN)
中图分类号：
作者姓名：
邓志军;田秋红
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]邓志军;田秋红-.改进Inception-v3网络的手势图像识别)[J].计算机系统应用,2022(11):157-166
A类：
B类：
Inception,v3,手势图像识别,网络参数,量过大,模型参数量,手势识别,残差连接,防止网络,注意力机制模块,淡化,无用信息,过拟合,上采样,低层,特征融合,输入特征,收敛速度,ASL,孟加拉,拉手,打乱,分出,训练集,验证集,识别率,手语识别
AB值：
0.297323
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。
