计算机应用研究

作者：毛力,张艺楠,孙俊,

单位：江南大学江苏省模式识别与计算智能工程实验室,江苏无锡214122；

关键词：深度学习,动态手势识别,多尺度时空特征,注意力机制,

基金：国家重点研发计划资助项目(2017YFC1601800)；国家自然科学基金资助项目(61672263)；；

针对基于深度学习的动态手势识别方法网络规模庞大、提取的时空特征尺度单一、有效特征的提取能力不足等问题，提出了一种深度网络框架。首先，使用时域多尺度信息融合的时空卷积模块改进3D残差网络结构，大幅度缩小网络规模，获得多种尺度的时空感受野特征；其次，引入一种全局信息同步的时空特征通道注意力机制，使用极少量参数构建特征图通道之间的全局依赖关系，使模型更加高效地获取动态手势的关键特征。在自建手势数据集SHC和公开手势数据集SKIG上的实验结果显示，提出的手势识别方法参数量更少且多尺度时空特征提取能力强，识别率高于目前的主流算法。

来源：2022年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第7期