Login
Registrieren
Passwort zurücksetzen
Veröffentlichen & Verteilen
Verlagslösungen
Vertriebslösungen
Themen
Allgemein
Altertumswissenschaften
Architektur und Design
Bibliotheks- und Informationswissenschaft, Buchwissenschaft
Biologie
Chemie
Geowissenschaften
Geschichte
Industrielle Chemie
Informatik
Jüdische Studien
Kulturwissenschaften
Kunst
Linguistik und Semiotik
Literaturwissenschaft
Materialwissenschaft
Mathematik
Medizin
Musik
Pharmazie
Philosophie
Physik
Rechtswissenschaften
Sozialwissenschaften
Sport und Freizeit
Technik
Theologie und Religion
Wirtschaftswissenschaften
Veröffentlichungen
Zeitschriften
Bücher
Konferenzberichte
Verlage
Blog
Kontakt
Suche
EUR
USD
GBP
Deutsch
English
Deutsch
Polski
Español
Français
Italiano
Warenkorb
Home
Zeitschriften
International Journal of Advanced Network, Monitoring and Controls
Band 7 (2022): Heft 4 (January 2022)
Uneingeschränkter Zugang
Research on Static Gesture Recognition Based on Deep Learning
Min Zhang
Min Zhang
und
Pingping Liu
Pingping Liu
| 26. Mai 2023
International Journal of Advanced Network, Monitoring and Controls
Band 7 (2022): Heft 4 (January 2022)
Über diesen Artikel
Vorheriger Artikel
Nächster Artikel
Zusammenfassung
Artikel
Figuren und Tabellen
Referenzen
Autoren
Artikel in dieser Ausgabe
Vorschau
PDF
Zitieren
Teilen
Online veröffentlicht:
26. Mai 2023
Seitenbereich:
31 - 38
DOI:
https://doi.org/10.2478/ijanmc-2022-0034
Schlüsselwörter
Static Gesture Recognition
,
Template Matching
,
Deep Learning
,
Convolutional Neural Networks
© 2022 Min Zhang et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Figure 1.
System framework
Figure 2.
Feature extraction flowchart
Figure 3.
Palm area
Figure 4.
Gesture area
Figure 5.
Template matching flowchart
Figure 6.
Static gesture recognition neural network framework
Figure 7.
Image preprocessing effect
Figure 8.
Curve of the accuracy change of the training set
Figure 9.
Curve of the change in the accuracy of the test set
Figure 10.
Loss change curve
Gesture recognition rate training effect
Gesture category
Recognition rate
Digital gesture 1
95%
Digital gesture 2
99%
Digital gesture 3
96%
Digital gesture 4
83%
Digital gesture 5
86%
Digital gesture good
100%