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 |