基于ConvNeXt的手势姿态估计研究
随着优化技术的发展以及对神经网络的进一步认知,提出ConvNeXt网络并应用于视觉分类任务,其性能超越Transformer等一系列多参数量和多计算量网络.姿态估计任务是计算机视觉任务中的基本任务,也是手势识别技术的基础,有着广泛的应用前景.将ConvNeXt网络应用于手势姿态估计并进行优化,引入heatmap编码,从而增加对关键点坐标预测的准确率.使用改进的Adamw优化器对模型参数进行优化,其PCK@0.2指标达到了 0.992,EPE指标也达到了 3.47,超越了其他模型的实验结果.
深度学习、姿态估计、手势识别、关键点检测、模式识别、ConvNeXt
23
TP242(自动化技术及设备)
山西省重点研发计划项目201903D121060
2023-08-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
25-28