您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202103-283
论文题目 基于特征聚类表示学习的静态手势识别
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于特征聚类表示学习的静态手势识别

首发时间:2021-03-25

王恒毅 1   

王恒毅(1996-),男,硕士研究生,主要研究方向:数字信号及图形图像处理

朱红 1   

朱红(1974-),女,副教授,硕士生导师,主要研究方向:图形图像处理,视觉领域深度学习

刘亚楠 1   
  • 1、中国矿业大学(北京)机电与信息工程学院计算机科学与技术系

摘要:人体手势含有丰富的语义信息,是当前人机交互领域的应用热点。静态手势动作受到动作者手型差异和主观动作程度的差别影响,导致使用深度网络训练识别模型时特征与标签对应性差,手势类别间边界不清,最终导致识别模型准确率低。本文提出一种基于特征聚类评价的静态手势特征表示学习识别方法,以解决手势特征对应关系较差引起的特征分布边界不清的问题,提高网络提取特征的聚合度,从而提高手势识别准确率。通过对公共数据集的测试,并与改进前的方法进行对比分析,从而证明本文所提出方法的有效性。

关键词: 深度学习 静态手势 特征聚类 聚合度

For information in English, please click here

Static gesture recognition based on feature clustering representation learning

Wang Hengyi 1   

王恒毅(1996-),男,硕士研究生,主要研究方向:数字信号及图形图像处理

Zhu Hong 1   

朱红(1974-),女,副教授,硕士生导师,主要研究方向:图形图像处理,视觉领域深度学习

Liu Ya'nan 1   
  • 1、Department of Computer Science and Technology,School of Machanical Electronic and Information Engineering,China University of Mining and Technology

Abstract:Human gestures contain rich semantic information and are currently a hot application in the field of human-computer interaction. Static gestures are affected by the difference of the actor\'s hand type and the degree of subjective action, which leads to poor correspondence between features and labels when using deep network to train the recognition model, and the boundaries between gesture categories are unclear, which ultimately leads to low accuracy of the recognition model. This paper proposes a static gesture feature representation learning method based on clustering feature evaluation to solve the problem of unclear feature distribution boundaries caused by poor correspondence between gesture features, improve the aggregation degree of network extracted features, and improve the accuracy of gesture recognition. The effectiveness of the method proposed in this paper is proved by the test on the public data set and the comparative analysis with the method before the improvement.

Keywords: deep learning static gesture feature clustering degree of clustering

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
王恒毅,朱红,刘亚楠. 基于特征聚类表示学习的静态手势识别[EB/OL]. 北京:中国科技论文在线 [2021-03-25]. http://www.paper.edu.cn/releasepaper/content/202103-283.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于特征聚类表示学习的静态手势识别