[论文阅读笔记] HGRNet

本文介绍了HGRNet,一个仅使用RGB图像的静态手势识别网络。通过语义分割预处理,结合双路网络结构实现高识别率。网络采用ResNet和Atrous Convolution,通过离线和在线数据扩增降低训练资源和计算成本。训练分为三个阶段,包括分割网络、stream network和fusion network的训练。实验结果显示,HGRNet在准确性、模型大小和实时性方面具有优势,适合低成本终端部署。
摘要由CSDN通过智能技术生成

 

 

# 主要贡献

采用双路网络,先进行语义分割,后对分割后的图像进行静态手势判定。

主要优势:只需RGB图像即可,采用CNN,可以在各种干扰环境下达到经典算法的识别率。

借助离线+在线数据扩增,以及简易的网络结构,在很小的训练资源及计算代价下达到经典的效果。

 

 

# 网络结构

语义分割网络借鉴FCN的思路,采用ResNet的结构,结合Atrous Convolution扩大视野,进行语义分割。

分割阶段的网络结构细节

 

 

识别阶段的网络结构

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值