首页|融合注意力机制的多流卷积肌电手势识别网络

融合注意力机制的多流卷积肌电手势识别网络

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对目前表面肌电信号(surface electromyography,sEMG)端到端手势识别特征提取不充分、多手势识别准确率不高的问题,提出一种融合注意力机制的多流卷积肌电手势识别网络模型.该模型通过滑动窗口将多通道时域sEMG生成肌电子图,并使用多流卷积神经网络充分提取每个采集通道sEMG的语义特征,然后将其聚合得到丰富的多通道手势语义特征;同时从时间和特征通道维度上计算语义特征的注意力分布图,强化有用特征并弱化无用特征,进一步提高多手势识别准确率.实验使用Ninapro数据集进行训练和测试,并与主流的肌电手势识别模型进行对比.实验结果表明,该模型在识别准确率上具有更好的表现,证明了该模型的有效性.
Multi-stream convolutional myoelectric gesture recognition networks fusing attentional mechanisms

李沿宏、江茜、邹可、袁学东

展开 >

四川大学计算机学院,成都610065

手势识别 表面肌电信号 卷积神经网络 注意力机制

四川省重点研发计划资助项目

2020YFG0075

2021

10.19734/j.issn.1001-3695.2021.04.0100

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(11)
  • 7
  • 1