.png){kind=icon}
返回
Dynamic Hypergraph Convolutional Networks for Hand Motion Gesture Sequence Recognition
.png){kind=icon}
OA
AI
DOI：10.3390/technologies13060257.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了一种将傅里叶变换与超图卷积网络（HGCNs）相结合的新型手部运动手势识别方法。传统识别方法在捕捉手部手势的复杂时空动态方面往往面临挑战。超图卷积网络（HGCNs）能够建模关节间的复杂关系，并通过傅里叶变换在频域中分析手势特征。构建超图以表示手部关节间的相互依赖关系，能够根据关节运动进行动态调整。超图卷积用于更新节点特征，而傅里叶变换则实现频域分析。T-Module作为一种多尺度时序卷积模块，聚合多帧特征以捕捉不同时间尺度下的手势动态。在动态超图（DHG14-28）和形状检索竞赛（SHREC’17）数据集上的实验证明了所提方法的有效性，分别实现了96.4%和97.6%的准确率，优于传统手势识别算法。消融实验进一步验证了各组件对提升识别性能的贡献。
Keyword:
hand motion gesture recognition
Fourier transform
hypergraph convolutional networks
spatiotemporal dynamics
multiscale temporal convolution
期刊
T
IF:
3.6
论文数:
1.4K
被引数:
3.2K
机构
暂无机构信息
引用论文
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition用于基于骨架的动作识别的时空图卷积网络OAAI
OAAI分享收藏Normalize d e dge convolutional networks for skeleton-based hand gesture recognition.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
Channel-wise Topology Refinement Graph Convolution for Skeleton-Based Action Recognition基于骨架的动作识别的通道拓扑细化图卷积OAAI
OAAI分享收藏分享收藏
查看更多内容