| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 手语识别研究现状 | 第10-12页 |
| 1.2.1 基于数据手套的手语识别国内外研究现状 | 第10-11页 |
| 1.2.2 基于视觉的手语识别国内外研究现状 | 第11-12页 |
| 1.3 论文主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第2章 深度学习理论 | 第15-33页 |
| 2.1 深度学习的概念 | 第15-16页 |
| 2.2 传统人工神经网络模型 | 第16-21页 |
| 2.2.1 传统神经网络前馈计算 | 第18-19页 |
| 2.2.2 误差反向传播算法求解神经网络 | 第19-21页 |
| 2.3 卷积神经网络 | 第21-27页 |
| 2.3.1 稀疏交互与参数共享 | 第22-24页 |
| 2.3.2 卷积层 | 第24-25页 |
| 2.3.3 池化层 | 第25-26页 |
| 2.3.4 Lenet-5 卷积神经网络结构 | 第26-27页 |
| 2.4 循环神经网络 | 第27-30页 |
| 2.4.1 循环神经网络的结构 | 第27-28页 |
| 2.4.2 循环神经网络的梯度消失与爆炸 | 第28-29页 |
| 2.4.3 梯度裁剪 | 第29-30页 |
| 2.5 其他深度学习模型 | 第30-31页 |
| 2.6 本章小结 | 第31-33页 |
| 第3章 静态手指语识别 | 第33-49页 |
| 3.1 手指语与手势语的特点 | 第33页 |
| 3.2 手指语样本的的选择 | 第33-34页 |
| 3.3 卷积神经网络的优化及正则化 | 第34-40页 |
| 3.3.1 激活函数的选取 | 第34-36页 |
| 3.3.2 分类器的选取 | 第36-37页 |
| 3.3.3 误差反向传播算法训练卷积神经网络 | 第37-39页 |
| 3.3.4 动量 | 第39页 |
| 3.3.5 数据集增强 | 第39-40页 |
| 3.4 本文采用的深度卷积神经网络模型的结构 | 第40-44页 |
| 3.4.1 手语识别模型一（SLR-CNN1） | 第40-42页 |
| 3.4.2 手语识别模型二（SLR-CNN2） | 第42-44页 |
| 3.5 训练手语识别模型 | 第44页 |
| 3.6 实验结果及分析 | 第44-47页 |
| 3.6.1 SLR-CNN1的实验结果及分析 | 第44-45页 |
| 3.6.2 SLR-CNN2的实验结果及分析 | 第45-47页 |
| 3.7 本章小结 | 第47-49页 |
| 第4章 基于视频的动态手语识别 | 第49-61页 |
| 4.1 动态手语样本的选择 | 第49页 |
| 4.2 长短时记忆模型的结构 | 第49-51页 |
| 4.3 长短时记忆循环神经网络与卷积神经网络的结合 | 第51-53页 |
| 4.4 动态手语识别模型的结构及正则化 | 第53-55页 |
| 4.4.1 动态手语识别模型一（SLR-LSRCN1） | 第53页 |
| 4.4.2 动态手语识别模型二（SLR-LSRCN2） | 第53-54页 |
| 4.4.3 Dropout | 第54-55页 |
| 4.5 训练动态手语识别模型 | 第55-56页 |
| 4.6 实验结果及分析 | 第56-59页 |
| 4.6.1 SLR-SLRCN1的实验结果及分析 | 第56-57页 |
| 4.6.2 SLR-SLRCN2的实验结果及分析 | 第57-59页 |
| 4.7 本章小结 | 第59-61页 |
| 第5章 总结和展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 作者简介 | 第68-69页 |
| 致谢 | 第69页 |
