首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于卷积神经网络的手势识别

中文摘要第2-3页
Abstract第3页
中文文摘第5-9页
绪论第9-15页
    第一节 课题的研究背景及其意义第9-10页
    第二节 手势识别的研究现状第10-11页
    第三节 卷积神经网络的研究现状第11-13页
    第四节 课题的应用第13页
    第五节 论文的主要工作和篇章结构第13-15页
第一章 手势图像数据库的建立和相关的预处理第15-27页
    第一节 Thomas Moeslund手势数据库第15-16页
    第二节 手势识别数据集GRD第16-18页
    第三节 手势图像预处理第18-26页
    第四节 本章小结第26-27页
第二章 基于Hu矩和BP算法的手势识别第27-37页
    第一节 概述第27-28页
    第二节 基于Hu矩的手势特征提取第28-31页
    第三节 基于BP算法的手势识别第31-36页
    第四节 本章小结第36-37页
第三章 卷积神经网络理论第37-45页
    第一节 卷积神经网络的基本思想第37-39页
    第二节 卷积神经网络的网络结构第39-41页
    第三节 卷积神经网络的学习规则第41-44页
    第四节 本章小结第44-45页
第四章 基于卷积神经网络的手势识别算法第45-55页
    第一节 采用的卷积神经网络结构第45-49页
    第二节 卷积神经网络的求解第49-50页
    第三节 比较卷积神经网络中各层特征图数量第50-52页
    第四节 卷积神经网路在手势识别领域中的应用第52-54页
    第五节 本章小结第54-55页
第五章 实验结果和分析第55-61页
    第一节 实验运行的环境第55页
    第二节 基于Hu矩和BP算法的手势识别实验第55-56页
    第三节 基于卷积神经网络的Thomas Moeslund手势识别实验第56-57页
    第四节 基于卷积神经网络的GRD手势识别实验第57-58页
    第五节 比较卷积神经网络中各层特征图数量实验第58-59页
    第六节 本章小结第59-61页
第六章 结论与展望第61-63页
    第一节 全文总结第61-62页
    第二节 工作展望第62-63页
参考文献第63-69页
攻读学位期间承担的科研任务与主要成果第69-71页
致谢第71-73页
个人简历第73-77页

论文共77页,点击 下载论文
上一篇:多尼采蒂的歌剧选段《姑娘的秋波》的乐谱版本的分析与比较
下一篇:面向多QoS约束的VANET通信协议研究