基於PairNet的連續手勢辨識
dc.contributor | 黃文吉 | zh_TW |
dc.contributor | Hwang, Wen-Jyi | en_US |
dc.contributor.author | 張筠婕 | zh_TW |
dc.contributor.author | Jhang, Yun-Jie | en_US |
dc.date.accessioned | 2019-09-05T11:14:59Z | |
dc.date.available | 2018-07-25 | |
dc.date.available | 2019-09-05T11:14:59Z | |
dc.date.issued | 2018 | |
dc.description.abstract | 這篇論文提出一個可以辨識連續手勢的系統,輸入是一條三軸加速度計 (3-axis Accelerometer) 和三軸陀螺儀 (3-axis Gyroscope) 所組成的時間序列。此研究所提出的辨識演算法——PairNet,是摺積式類神經網路 (Convolutional Neural Networks) 的變形。和一般摺積式類神經網路不同的點有三個:在摺積層中的過濾片 (Kernel) 使用的大小為 2×1。步伐 (Stride) 大小從常用的 1 改為過濾片的大小 (在這裡即是 2)。在計算完最後的摺積層後,加入了全域平均池化層 (Global Average Pooling) ,使其對整體網路所產生的輸出具備聚合 (Ensembling) 的效果。實驗使用了 HTC One M9 和 Google Daydream 這兩種感測器 (Sensors) 所收集成的資料集,手勢個數分別為 11 種和 14 種。PairNet 在兩種資料集的連續手勢測試中,分別取得了 97.81% 和 99.38% 的準確率,優於長短期記憶遞迴類神經網路和一般摺積式類神經網路。 | zh_TW |
dc.description.sponsorship | 資訊工程學系 | zh_TW |
dc.identifier | G060547051S | |
dc.identifier.uri | http://etds.lib.ntnu.edu.tw/cgi-bin/gs32/gsweb.cgi?o=dstdcdr&s=id=%22G060547051S%22.&%22.id.& | |
dc.identifier.uri | http://rportal.lib.ntnu.edu.tw:80/handle/20.500.12235/106502 | |
dc.language | 中文 | |
dc.subject | Human-machine Interface | zh_TW |
dc.subject | Deep Learning | zh_TW |
dc.subject | Convolutional Neural Networks | zh_TW |
dc.subject | Hand Gesture Recognition | zh_TW |
dc.subject | Human-machine Interface | en_US |
dc.subject | Deep Learning | en_US |
dc.subject | Convolutional Neural Networks | en_US |
dc.subject | Hand Gesture Recognition | en_US |
dc.title | 基於PairNet的連續手勢辨識 | zh_TW |
dc.title | Continuous Hand Gesture Recognition Based on PairNet | en_US |
Files
Original bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- 060547051s01.pdf
- Size:
- 5.54 MB
- Format:
- Adobe Portable Document Format