基于卷积网络和长短时记忆网络的中国手语词识别方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 基于传统方法的手语识别 | 第11-12页 |
| 1.2.2 基于深度学习方法的手语识别 | 第12-14页 |
| 1.3 本论文的研究动机与研究内容 | 第14-15页 |
| 1.3.1 研究动机 | 第14-15页 |
| 1.3.2 研究内容 | 第15页 |
| 1.4 章节安排 | 第15-16页 |
| 第2章 手语识别算法介绍 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 HMM在手语识别中的应用 | 第16-19页 |
| 2.2.1 HMM简介 | 第16-17页 |
| 2.2.2 基于HMM的手语识别 | 第17-19页 |
| 2.3 3D-CNN在手语识别中的应用 | 第19-23页 |
| 2.3.1 CNN简介 | 第19-21页 |
| 2.3.2 3D-CNN手语识别框架 | 第21-23页 |
| 2.4 RNN在手语识别中的应用 | 第23-26页 |
| 2.4.1 RNN简介 | 第23-26页 |
| 2.4.2 基于RNN的手语识别框架 | 第26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 基于LSTM的序列到序列中国手语词识别 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 中国手语词特性 | 第28-29页 |
| 3.3 整体框架 | 第29-30页 |
| 3.4 特征提取 | 第30-32页 |
| 3.4.1 CNN网络介绍 | 第30-31页 |
| 3.4.2 基于VGG的特征提取 | 第31-32页 |
| 3.5 基于LSTM的编码解码框架 | 第32-35页 |
| 3.5.1 LSTM简介 | 第32-34页 |
| 3.5.2 编码解码网络结构 | 第34-35页 |
| 3.6 实验与分析 | 第35-41页 |
| 3.6.1 数据获取 | 第35-36页 |
| 3.6.2 参数设置 | 第36-38页 |
| 3.6.3 实验结果 | 第38-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第4章 多模态融合在手语识别中的应用 | 第42-54页 |
| 4.1 引言 | 第42-44页 |
| 4.1.1 多模融合概述 | 第42-43页 |
| 4.1.2 总体框架 | 第43-44页 |
| 4.2 轨迹特征预处理 | 第44-45页 |
| 4.3 基于特征融合的识别框架 | 第45-47页 |
| 4.4 基于模型融合的识别框架 | 第47-49页 |
| 4.4.1 固定权重的模型融合 | 第47-48页 |
| 4.4.2 自适应权重的模型融合 | 第48-49页 |
| 4.5 实验结果及分析 | 第49-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第5章 基于注意力机制的手语词识别算法 | 第54-64页 |
| 5.1 引言 | 第54页 |
| 5.2 注意力机制介绍 | 第54-55页 |
| 5.3 基于注意力机制的手语识别 | 第55-60页 |
| 5.3.1 手语分析 | 第55-56页 |
| 5.3.2 基于注意力机制的手语识别模型 | 第56-60页 |
| 5.4 实验结果及分析 | 第60-62页 |
| 5.5 本章小结 | 第62-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 工作总结 | 第64-65页 |
| 6.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 在读期间发表的学术论文与取得的研究成果 | 第72页 |
