Login
Registrati
Reimposta password
Pubblica & Distribuisci
Soluzioni Editoriali
Soluzioni di Distribuzione
Temi
Architettura e design
Arti
Business e Economia
Chimica
Chimica industriale
Farmacia
Filosofia
Fisica
Geoscienze
Ingegneria
Interesse generale
Legge
Letteratura
Linguistica e semiotica
Matematica
Medicina
Musica
Scienze bibliotecarie e dell'informazione, studi library
Scienze dei materiali
Scienze della vita
Scienze informatiche
Scienze sociali
Sport e tempo libero
Storia
Studi classici e del Vicino Oriente antico
Studi culturali
Studi ebraici
Teologia e religione
Pubblicazioni
Riviste
Libri
Atti
Editori
Blog
Contatti
Cerca
EUR
USD
GBP
Italiano
English
Deutsch
Polski
Español
Français
Italiano
Carrello
Home
Riviste
International Journal of Advanced Network, Monitoring and Controls
Volume 7 (2022): Numero 4 (January 2022)
Accesso libero
Research on Static Gesture Recognition Based on Deep Learning
Min Zhang
Min Zhang
e
Pingping Liu
Pingping Liu
| 26 mag 2023
International Journal of Advanced Network, Monitoring and Controls
Volume 7 (2022): Numero 4 (January 2022)
INFORMAZIONI SU QUESTO ARTICOLO
Articolo precedente
Articolo Successivo
Sommario
Articolo
Immagini e tabelle
Bibliografia
Autori
Articoli in questo Numero
Anteprima
PDF
Cita
CONDIVIDI
Pubblicato online:
26 mag 2023
Pagine:
31 - 38
DOI:
https://doi.org/10.2478/ijanmc-2022-0034
Parole chiave
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%