摘要
本发明公开了基于深度学习的手势识别方法及系统,方法包括手势图像采集、数据预处理、建立手势识别模型和手势识别。本发明属于手势识别领域,具体是指基于深度学习的手势识别方法及系统,本方案通过结合多尺度卷积和角度适配卷积,动态调整不同尺度下的特征集成,提高对复杂手势细节的识别能力;基于引入空间和通道注意力机制自动聚焦手势区域,抑制背景干扰,进而提高手势识别的准确性;通过将全局特征和上下文特征集成,捕捉动态手势变化,提高对动态手势图像序列的处理能力,提高在复杂背景下的手势识别能力,基于分类精度、重建质量和细节增强设计损失,提高对复杂动作和细节特征的辨识能力,进而提高最终手势识别的准确性。
技术关键词
手势识别方法
建立手势识别模型
注意力
多尺度
手势识别模块
上下文特征
集成模块
手势区域
损失函数设计
局部特征提取
动态手势
手势特征
图像采集模块
增强子
分类阈值
抑制背景干扰
系统为您推荐了相关专利信息
动态网格
图像对齐方法
特征描述符
特征点描述符
注意力机制
图像生成方法
浅层特征提取
深层特征提取
权重特征
通道注意力机制