Iniciar sesión
Registrarse
Restablecer contraseña
Publicar y Distribuir
Soluciones de Publicación
Soluciones de Distribución
Temas
Arquitectura y diseño
Artes
Ciencias Sociales
Ciencias de la Información y Bibliotecas, Estudios del Libro
Ciencias de la vida
Ciencias de los materiales
Deporte y tiempo libre
Estudios clásicos y del Cercano Oriente antiguo
Estudios culturales
Estudios judíos
Farmacia
Filosofía
Física
Geociencias
Historia
Informática
Ingeniería
Interés general
Ley
Lingüística y semiótica
Literatura
Matemáticas
Medicina
Música
Negocios y Economía
Química
Química industrial
Teología y religión
Publicaciones
Revistas
Libros
Actas
Editoriales
Blog
Contacto
Buscar
EUR
USD
GBP
Español
English
Deutsch
Polski
Español
Français
Italiano
Carrito
Home
Revistas
International Journal of Advanced Network, Monitoring and Controls
Volumen 7 (2022): Edición 4 (January 2022)
Acceso abierto
Research on Static Gesture Recognition Based on Deep Learning
Min Zhang
Min Zhang
y
Pingping Liu
Pingping Liu
| 26 may 2023
International Journal of Advanced Network, Monitoring and Controls
Volumen 7 (2022): Edición 4 (January 2022)
Acerca de este artículo
Artículo anterior
Artículo siguiente
Resumen
Artículo
Figuras y tablas
Referencias
Autores
Artículos en este número
Vista previa
PDF
Cite
Compartir
Publicado en línea:
26 may 2023
Páginas:
31 - 38
DOI:
https://doi.org/10.2478/ijanmc-2022-0034
Palabras clave
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%