首页|基于CNN和BLSTM的连续手语识别

基于CNN和BLSTM的连续手语识别

Continuous sign language recognition based on CNN and BLSTM

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
相对孤立词识别,连续手语识别对上下文的时间依赖性更强、语义更加复杂且时序分割困难,目前的研究在识别精度、背景抗干扰性和抗过拟合能力等方面仍存在不足.为此,提出一种基于CNN和BLSTM的连续手语识别方法,通过自适应视频采样,对输入视频数据进行预处理,去除无关背景的干扰;在CNN空间特征提取的基础上,利用BLSTM双向语义依赖挖掘能力,对连续手语视频进行时序建模,构建CTC损失函数解决时间序列标签对齐问题.该算法在CSL和ConGD数据集上分别取得了98.4％和62.5％的平均识别率.

张淑军、王帅、李辉

展开 >

青岛科技大学信息科学技术学院,山东青岛 266061

深度学习 连续手语识别 CNN BLSTM CTC

国家自然科学基金山东省重点研发计划

617022952017GGX10127

2022

10.3969/j.issn.1674-8425(z).2022.04.022

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2022.36(4)
  • 5
  • 2