CASIA OpenIR
基于伪三维卷积神经网络的手势姿态估计
张宏源1; 袁家政2; 刘宏哲1; 原春锋3; 王雪峤1; 邓智方1
Source Publication计算机应用研究
ISSN1001-3695
2020
Volume37Issue:4Pages:1230-1233,1243
Abstract大多数现有的基于深度学习的手势姿态估计方法都使用标准三维卷积神经网络提取三维特征,估计手部关节坐标。该方法提取的特征缺乏手部的多尺度信息,限制了手势姿态估计的精度。另外,由于三维卷积神经网络巨大的计算成本和内存需求,这些方法常难以满足实时性要求。为了克服这些缺点,提出以空间滤波器和深度滤波器级联的方式模拟三维卷积,减少网络参数量。同时,在各个尺度上提取手势姿态特征并加以整合,充分利用手势的三维信息。实验表明,该方法能有效提高手势姿态估计精度,减小模型尺寸,且在具有单块GPU的计算机上能以超过119 fps的速度运行。
Keywordhand pose estimation pseudo-3D convolutional neural network 3D features depth image deep learning 手势姿态估计 伪三维卷积神经网络 三维特征 深度图像 深度学习
DOI10.19734/j.issn.1001-3695.2018.09.0772
Indexed ByCSCD
Language中文
CSCD IDCSCD:6724668
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/39866
Collection中国科学院自动化研究所
Affiliation1.北京联合大学
2.北京开放大学
3.中国科学院自动化研究所
Recommended Citation
GB/T 7714
张宏源,袁家政,刘宏哲,等. 基于伪三维卷积神经网络的手势姿态估计[J]. 计算机应用研究,2020,37(4):1230-1233,1243.
APA 张宏源,袁家政,刘宏哲,原春锋,王雪峤,&邓智方.(2020).基于伪三维卷积神经网络的手势姿态估计.计算机应用研究,37(4),1230-1233,1243.
MLA 张宏源,et al."基于伪三维卷积神经网络的手势姿态估计".计算机应用研究 37.4(2020):1230-1233,1243.
Files in This Item:
There are no files associated with this item.
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[张宏源]'s Articles
[袁家政]'s Articles
[刘宏哲]'s Articles
Baidu academic
Similar articles in Baidu academic
[张宏源]'s Articles
[袁家政]'s Articles
[刘宏哲]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[张宏源]'s Articles
[袁家政]'s Articles
[刘宏哲]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.