基于稀疏自编码器与梯度方向直方图的手势识别 | |
缑新科; 高庆东 | |
刊名 | 计算机与数字工程 |
2019-07-20 | |
期号 | 2019年07期页码:1792-1796 |
关键词 | 手势识别 稀疏自编码器 特征提取 |
ISSN号 | ISSN:1672-9722 |
英文摘要 | 传统的梯度方向直方图(Histogram of Oriented Gradients,HOG)算法在提取图像特征过程中对于图像的轮廓边缘信息比较敏感,但是HOG特征缺少对样本间关联的描述。稀疏自编码器(Stacked Auto Encoder,SAE),在特征提取中可以很好地提取出样本间的特征但是需要较大的样本量。论文结合HOG方法与SAE方法在小数据集下使用SVM分类器训练分类手势图片,通过在Jochen.Triesch数据集上的实验表明该方法可以获得更好的分类效果。 |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://119.78.100.223/handle/2XXMBERH/246] |
专题 | 电气工程与信息工程学院 |
作者单位 | 兰州理工大学 |
推荐引用方式 GB/T 7714 | 缑新科,高庆东. 基于稀疏自编码器与梯度方向直方图的手势识别[J]. 计算机与数字工程,2019(2019年07期):1792-1796. |
APA | 缑新科,&高庆东.(2019).基于稀疏自编码器与梯度方向直方图的手势识别.计算机与数字工程(2019年07期),1792-1796. |
MLA | 缑新科,et al."基于稀疏自编码器与梯度方向直方图的手势识别".计算机与数字工程 .2019年07期(2019):1792-1796. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论