-
题名基于改进GAN的人机交互手势行为识别方法
- 1
-
-
作者
张富强
白筠妍
穆慧
-
机构
长安大学道路施工技术与装备教育部重点实验室
长安大学智能制造系统研究所
济南职业学院机械制造学院
-
出处
《郑州大学学报(工学版)》
北大核心
2025年第2期43-50,共8页
-
基金
国家重点研发计划项目(2021YFB3301702)
-
文摘
为改善现有手势识别算法需要大量训练数据的现状,针对识别准确率不高、识别过程复杂等问题,基于生成式对抗网络(GAN)和变分自编码器,引入标签信息,提出一种基于改进GAN模型的人机交互手势行为识别方法。首先,在编码器和解码器中分别添加改进InceptionV2和InceptionV2-trans结构增强模型的特征还原能力;其次,在各组成网络中进行条件批量归一化(CBN)处理改善过拟合,以Mish激活函数代替ReLU函数提升网络性能;最后,通过实验证明该方法能够以较少的样本获得100%的分类准确率,且收敛时间短,验证了该方法的可靠性。
-
关键词
人机交互
生成对抗网络
变分自编码器
手势识别
条件批量归一化
-
Keywords
human-machine interaction
generative adversarial networks
variational autoencoder
gesture recognition
conditional batch normalization
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于条件生成对抗网络的手写数字识别
被引量：12
- 2
-
-
作者
王爱丽
薛冬
吴海滨
王敏慧
-
机构
哈尔滨理工大学测控技术与通信工程学院
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2020年第12期1284-1290,共7页
-
基金
国家自然科学基金(No.61671190)。
-
文摘
针对当训练样本不足时,传统深度学习算法在手写数字识别中会出现训练不稳定、识别精度较低等问题,提出了基于条件生成对抗网络的识别方法。首先,在条件生成对抗网络的基础上,利用生成器使用类别标签控制图像生成的优点,将生成器产生的图像样本作为训练数据,扩充数据集。同时,利用反卷积网络和卷积网络分别构成生成器和判别器的网络结构,去掉全连接层以提升模型稳定性。然后,引入条件批量归一化,利用它使用类别标签的优点,使网络学习更多的特征。最后,改进判别器为分类器,并提出新的损失函数,加快收敛速度,提高识别精度。实验结果表明,本文所提出的手写数字识别方法生成的图像质量更好,识别准确率更高,达到99.43%,为生成对抗网络及其变体在图像识别领域中的应用提供了参考。
-
关键词
手写数字识别
条件生成对抗网络
条件批量归一化
图像生成
-
Keywords
handwritten digit recognition
conditional generative adversarial network
conditional batch normalization
image generation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
