科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了更有效地捕捉肌电信号中的长期动态依赖关系和局部细节信息,减少固有肌电特征信息损失对手势分类精度的影响,提出一种基于全局-局部特征交互的手势识别网络GL-EMG-Net.首先融合空洞卷积和多头自注意力机制设计全局特征提取模块Global-DT提取肌电信号中的全局信息;然后借助深度可分离卷积和注意力机制设计局部特征提取模块Local-SK捕捉肌电信号中不同尺度的局部细节信息,并将提取的细节信息通过反馈机制反馈至Global-DT模块,完成局部特征与全局特征的交互;最后将全局特征与局部特征融合后进行分类.实验结果表明,该手势识别网络在Ninapro DB5数据集的52种手势和实际12种常见手势分类中,表现出较高的手势分类精度和较强的鲁棒性.
- 单位
