申请/专利权人：杭州电子科技大学

申请日：2023-12-15

公开（公告）日：2024-04-16

公开（公告）号：CN117894067A

主分类号：G06V40/20

分类号：G06V40/20;G06V10/40;G06V10/80;G06V10/764;G06V10/82;G06N3/045;G06N3/0442;G06N3/09;G06N3/048;G06N3/047;G06N3/042

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种基于Transformer与LSTM知识共享网络的动态手势识别方法。首先获取动态手势数据集，应用不同的数据增强方法增加样本数量，得到数据增强后的数据集；之后将数据增强后的数据集中的数据输入Transformer子网络和LSTM子网络分别提取手势序列特征；将手势序列特征直接或融合输入对应分类器，得到对应的离散概率分布；最后输出类别决策，并进行知识共享和监督训练；本发明通过Transformer和LSTM来提取手势序列数据的特征，在理解序列关系的同时能够充分运用手势数据的树状结构。并且使用了知识共享的方法分享分类器中的参数信息，使得分类结果具有更高的准确性。

主权项：1.一种基于Transformer与LSTM知识共享网络的动态手势识别方法，其特征在于，步骤如下：步骤1、获取DHG-1428动态手势数据集；步骤2、应用不同的数据增强方法增加样本数量，得到数据增强后的数据集；步骤3、将数据增强后的数据集中的数据输入Transformer子网络和LSTM子网络分别提取手势序列特征；步骤4、将手势序列特征直接或融合输入对应分类器，得到对应的离散概率分布；步骤5、输出类别决策，并进行知识共享和监督训练；采用KL散度和交叉熵结合的损失函数对模型进行知识共享和监督训练。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于Transformer与LSTM知识共享网络的动态手势识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD