论文研究双通道卷积神经网络在静态手势识别中的应用.pdf

针对静态手势识别任务中，传统基于人工提取特征方法耗时耗力，识别率较低，现有卷积神经网络依赖单一卷积核提取特征不够充分的问题，提出双通道卷积神经网络模型。输入手势图片通过两个相互独立的通道进行特征提取，双通道具有尺度不同的卷积核，能够提取输入图像中不同尺度的特征，然后在全连接层进行特征融合，最后经过softmax分类器进行分类。在ThomasMoeslund和JochenTriesch手势数据库上进行实验验证，结果表明该模型提高了静态手势识别的准确率，增强了卷积神经网络的泛化能力。