基于卷积神经网络的手势识别研究

作者：任晓文; 郭一娜^*; 刘其嘉; 李健宇

来源：太原科技大学学报, 2019, 40(01): 1-5.

• 深度学习
• 卷积神经网络
• 步长
• 迭代次数
• 手势识别

随着人机交互技术的发展,手势动作作为一种自然、方便以及高效的交互方式受到人们的关注。因而对此从理论和程序执行的角度提出一个针对9种手势识别的卷积神经网络(Convolutional Neural Networks,CNN)模型。首先,从组成CNN的基本单元神经元开始,然后上升到神经网络,最终到反向传播算法。通过调整卷积神经网络中的参数(迭代次数、步长),观察不同参数对网络的均方误差和测试准确度的影响。实验结果表明,该模型和算法可以有效识别9种手势,识别准确率最高可达93. 33%.

• 单位
  太原科技大学