虚拟现实中基于轻量级神经网络的手势识别OA北大核心CSTPCD
手势是虚拟现实环境中的重要输入方式,手势识别的精准度和效率为虚拟现实环境的有效交互提供了基础。为了提高虚拟现实环境中手势识别的正确率和速度,提出了一种基于轻量级优化卷积神经网络的手势识别模型。首先,对手势图像样本进行特征提取及初始化,并构建卷积神经网络手势识别模型。然后,借助MobileNet V2进行轻量化处理,通过深度与逐点卷积,有效降低手势识别模型参数量和计算量。最后,根据最小化手势识别误差反向求解神经网络的各个参数。试验结果表明,所提轻量级神经网络的手势识别准确率相对于原始卷积神经网络有微小下降,但其识别效率却大幅提升,特别是在大规模手势样本的识别场景下。轻量级卷积神经网络表现出了较高的识别综合性能,在虚拟现实环境下的手势识别适应度较高。
龚新儒;张德育;谢少威;
闽南科技学院艺术设计学院,福建泉州362332沈阳理工大学信息科学与工程学院,辽宁沈阳110159华南师范大学美术学院,广东广州510631
计算机与自动化
手势识别卷积神经网络虚拟现实轻量化
《南京理工大学学报》 2024 (003)
P.367-373 / 7
辽宁省自然科学基金(20180520038);2018年教育部产学合作协同育人项目(201802284028);2022年闽南科技学院校级课题(MKSK202203);华南师范大学国家级大学生创新创业计划资助项目(1057413124);福建省教育科学“十四五”规划课题一般项目(FJJKBK23-002)。
评论