Logowanie
Zarejestruj się
Zresetuj hasło
Publikuj i Dystrybuuj
Rozwiązania Wydawnicze
Rozwiązania Dystrybucyjne
Dziedziny
Architektura i projektowanie
Bibliotekoznawstwo i bibliologia
Biznes i ekonomia
Chemia
Chemia przemysłowa
Filozofia
Fizyka
Historia
Informatyka
Inżynieria
Inżynieria materiałowa
Językoznawstwo i semiotyka
Kulturoznawstwo
Literatura
Matematyka
Medycyna
Muzyka
Nauki farmaceutyczne
Nauki klasyczne i starożytne studia bliskowschodnie
Nauki o Ziemi
Nauki o organizmach żywych
Nauki społeczne
Prawo
Sport i rekreacja
Studia judaistyczne
Sztuka
Teologia i religia
Zagadnienia ogólne
Publikacje
Czasopisma
Książki
Materiały konferencyjne
Wydawcy
Blog
Kontakt
Wyszukiwanie
EUR
USD
GBP
Polski
English
Deutsch
Polski
Español
Français
Italiano
Koszyk
Home
Czasopisma
International Journal of Advanced Network, Monitoring and Controls
Tom 7 (2022): Zeszyt 4 (January 2022)
Otwarty dostęp
Research on Static Gesture Recognition Based on Deep Learning
Min Zhang
Min Zhang
oraz
Pingping Liu
Pingping Liu
| 26 maj 2023
International Journal of Advanced Network, Monitoring and Controls
Tom 7 (2022): Zeszyt 4 (January 2022)
O artykule
Poprzedni artykuł
Następny artykuł
Abstrakt
Artykuł
Ilustracje i tabele
Referencje
Autorzy
Artykuły w tym zeszycie
Podgląd
PDF
Zacytuj
Udostępnij
Data publikacji:
26 maj 2023
Zakres stron:
31 - 38
DOI:
https://doi.org/10.2478/ijanmc-2022-0034
Słowa kluczowe
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%