摘要
本发明涉及一种类增量手势识别方法、电子设备及介质,方法包括:接收表示输入数据;根据输入数据提取中间特征并构建任务特定的索引嵌入,每个嵌入对应一个手势识别任务;计算中间特征与索引嵌入的相似性,生成组合权重;利用权重动态聚合多个任务的隔离参数,构建当前任务的最终特征;将最终特征输入分类器,预测手势类别;根据预测结果训练适配器模块;通过计算历史类别原型并生成伪样本,增强任务索引嵌入和模型参数;结合增强结果形成原型增强混合正则化损失,进一步优化模型;完成所有任务训练后,用优化模型分类新输入的手势数据。该方法适用于混淆特性的手势识别任务,赋予基于参数隔离的持续学习以自适应组合能力。
技术关键词
手势识别方法
原型
索引
样本
协方差矩阵
适配器
分类器
Softmax函数
参数
手势识别模型
时序特征
损失函数优化
特征融合网络
数据
电子设备
可读存储介质
手势特征
特征提取器
模块
系统为您推荐了相关专利信息
样本分析装置
光信息
样本分析方法
异常细胞
解析方法
智能家居设备
设备控制指令
生成用户
意图
信息生成设备
组织
样本
LightGBM模型
机器学习模型
预测系统
位置识别
电镜
图像识别方法
电子
深度残差网络模型
深度学习网络模型
图像分割技术
模型训练方法
训练集
眼科