典型文献
基于改进Xception网络的手势识别
文献摘要：
针对单一卷积神经网络对多种复杂背景下手势图像识别准确率较低等问题,提出一种基于改进Xception网络的手势图像识别方法.该方法使用密集连接代替残差连接,在保留跳跃连接效果的同时减少深度可分离卷积模块和网络通道数量,不仅有效利用了网络参数,而且降低了模型大小;其还融合SE模块强化重要特征,采用特征金字塔结构获得包含多尺度语义的特征张量,有助于网络分类.验证实验结果表明,改进网络的计算参数量为原始Xception网络的1/5,对NUS-Ⅱ手势数据集的识别准确率达到99.64％,比原始Xception网络提高了1.09％;对Sign Language for Numbers手势数据集的识别准确率达到99.7％,比原始Xception网络提高了0.15％.与ResNet50、DenseNet121和In?ceptionV3等常用手势识别网络进行比较,改进网络在训练时间、模型大小、计算参数量和识别准确率方面均表现更优.基于改进Xception网络的手势识别方法在多种复杂背景因素干扰下仍具有较高的识别准确率,其泛化性强、参数量少,综合性能优于许多常用网络.
文献关键词：
Xception网络;密集深度可分离卷积模块;SE模块;特征金字塔结构;手势识别
中图分类号：
作者姓名：
周梓豪;田秋红
作者机构：
浙江理工大学信息学院,浙江杭州310018
文献出处：
引用格式：
[1]周梓豪;田秋红-.基于改进Xception网络的手势识别)[J].软件导刊,2022(06):41-48
A类：
ceptionV3,密集深度可分离卷积模块
B类：
Xception,手势识别,一卷,复杂背景,下手,手势图像识别,识别准确率,密集连接,残差连接,跳跃连接,通道数,网络参数,SE,特征金字塔结构,张量,验证实验,进网,计算参数,参数量,NUS,Sign,Language,Numbers,ResNet50,DenseNet121,In,识别网络,训练时间,背景因素,泛化性,多常
AB值：
0.298416
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。
