Feedforward Neural Networks於連續手勢辨識之研究
dc.contributor | 黃文吉 | zh_TW |
dc.contributor.author | 朱晏呈 | zh_TW |
dc.contributor.author | Chu, Yen-Cheng | en_US |
dc.date.accessioned | 2019-09-05T11:15:31Z | |
dc.date.available | 2019-07-23 | |
dc.date.available | 2019-09-05T11:15:31Z | |
dc.date.issued | 2019 | |
dc.description.abstract | 本論文提出基於感測器的連續手勢辨識系統,使用者右手握著智慧手機做出動作,透過收集搭載在手機上的感測器-三軸陀螺儀與三軸加速度計產生的訊號,總計六維度的資料來構成手勢。面對手勢這種時間序列資料,加上為解決連續手勢中找出切割點(Spotting)的問題,本論文中提出基於Feedforward Neural Networks建立出的深度學習模型,整合現行架構中已被證實能夠更加有效利用Convolutional Neural Networks的結構-ResNet、GoogLeNet與Inception-ResNet,將這些概念與PairNet做結合。 實驗中使用透過手機蒐集的11種手勢,在測試時一次會輸入含有1~4個手勢的資料,進到事先訓練好的類神經網路模型之中,再經由後處理得到辨識結果,而這樣的演算法則能處理傳統方法上無法有效解決的Spotting問題。另外,根據提出的模型ResPairNet在連續手勢上的辨識率,比LSTM高出7%以上的結果也可推得-Feedforward Neural Networks在時間序列資料的處理上,比Recurrent Neural Networks更加強大、有效,將這些原本應用於影像領域的結構,套用到處理時間資料的問題上,能夠更進一步提升Feedforward Neural Networks得學習能力。 | zh_TW |
dc.description.sponsorship | 資訊工程學系 | zh_TW |
dc.identifier | G060647009S | |
dc.identifier.uri | http://etds.lib.ntnu.edu.tw/cgi-bin/gs32/gsweb.cgi?o=dstdcdr&s=id=%22G060647009S%22.&%22.id.& | |
dc.identifier.uri | http://rportal.lib.ntnu.edu.tw:80/handle/20.500.12235/106517 | |
dc.language | 中文 | |
dc.subject | Feedforward Neural Network | zh_TW |
dc.subject | Continuous Hand Gesture Recognition | zh_TW |
dc.subject | Deep Learning | zh_TW |
dc.subject | Human-Machine Interface | zh_TW |
dc.title | Feedforward Neural Networks於連續手勢辨識之研究 | zh_TW |
dc.title | Continuous Hand Gesture Recognition By Feedforward Neural Networks | en_US |
Files
Original bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- 060647009s01.pdf
- Size:
- 3.13 MB
- Format:
- Adobe Portable Document Format