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

基于深度学习的手语识别技术研究

摘要第5-7页
ABSTRACT第7-9页
第1章 绪论第21-28页
    1.1 研究背景第21-22页
    1.2 研究现状第22-26页
        1.2.1 数据获取第22-23页
        1.2.2 孤立词手语识别第23-25页
        1.2.3 连续语句手语识别第25-26页
    1.3 论文贡献与章节安排第26-28页
第2章 深度神经网络基础第28-43页
    2.1 卷积网络第28-33页
        2.1.1 卷积运算第28-29页
        2.1.2 网络层第29-32页
        2.1.3 网络结构第32-33页
    2.2 循环网络第33-43页
        2.2.1 网络原理第33-35页
        2.2.2 传统循环网络第35页
        2.2.3 现代循环网络第35-40页
        2.2.4 网络训练第40-43页
第3章 基于三维卷积神经网络的孤立词识别第43-61页
    3.1 引言第43-45页
    3.2 相关工作第45-47页
        3.2.1 CNN在动作识别方面的应用第45-46页
        3.2.2 基于CNN的手语识别方法第46-47页
    3.3 方法介绍第47-51页
        3.3.1 二维卷积和三维卷积第48-49页
        3.3.2 3D CNN的网络结构第49-50页
        3.3.3 模型训练第50-51页
        3.3.4 模型预测第51页
    3.4 实验结果第51-59页
        3.4.1 数据集第52页
        3.4.2 基准方法第52-55页
        3.4.3 结果与分析第55-59页
    3.5 本章小结第59-61页
第4章 基于注意力机制的孤立词识别第61-68页
    4.1 引言第61-62页
    4.2 相关工作第62页
    4.3 方法介绍第62-64页
        4.3.1 基于空间注意力的三维卷积神经网络第62-63页
        4.3.2 基于时间注意力的分类模型第63-64页
    4.4 实验结果第64-67页
    4.5 本章小结第67-68页
第5章 基于关键片段选择和分层注意力网络的孤立词识别第68-86页
    5.1 引言第68-70页
    5.2 相关工作第70-72页
        5.2.1 基于深度学习的手语识别方法第70-71页
        5.2.2 关键帧/片段技术第71-72页
        5.2.3 注意力模型第72页
    5.3 方法介绍第72-79页
        5.3.1 框架概述第72-73页
        5.3.2 关键片段选择第73-75页
        5.3.3 分层时间注意力网络第75-78页
        5.3.4 参数设置第78-79页
    5.4 实验结果第79-85页
        5.4.1 数据集第79-80页
        5.4.2 基准方法第80页
        5.4.3 结果与分析第80-85页
    5.5 本章小结第85-86页
第6章 基于潜在空间和循环神经网络的连续语句识别第86-103页
    6.1 引言第86-87页
    6.2 相关工作第87-88页
        6.2.1 连续手语识别第87页
        6.2.2 视频描述生成第87-88页
        6.2.3 潜在空间学习第88页
    6.3 方法介绍第88-97页
        6.3.1 手语视频的表征第88-90页
        6.3.2 潜在空间-分层注意力网络模型第90-96页
        6.3.3 训练和识别第96-97页
        6.3.4 参数设置第97页
    6.4 实验结果第97-102页
        6.4.1 数据集第98页
        6.4.2 基准方法第98-99页
        6.4.3 结果与分析第99-102页
    6.5 本章小结第102-103页
第7章 总结与展望第103-106页
    7.1 论文总结第103-104页
    7.2 未来展望第104-106页
参考文献第106-115页
致谢第115-117页
在读期间发表的学术论文与取得的研究成果第117页

论文共117页,点击 下载论文
上一篇:基于神经网络的自然语言语义表征方法研究
下一篇:基于微结构光波导的传感技术及其应用研究