تشخیص ژست های پویای دست با استفاده از شبکه های کانولوشنی عمیق

تشخیص ژست دست به خصوص ژست های پویا کاربردهای زیادی در ایجاد واسطه ای انسان و کامپیوتر دارد. نمونه هایی از این مساله رامی توان در سامانه های واقعیت مجازی، ماشین های هوشمند، کنترل بدون لمس و غیره دید. از سوی دیگر در چند سال اخیر، شبکه های کانولوشنیعمیق در حوزه بینایی ماشین نتایج بسیار خوبی را به دست دادهاند. به خصوص ارایه شبکه هایی مانند GoogleNet که با معماری بسیار عمیق درنوع خود انقلابی در شبکه های عصبی کانولوشنی ایجاد کردند. علیرغم پیشرفت قابل توجه در این حوزه، هنوز چالش های زیادی در مورد دسته بندیویدیو وجود دارد. در این مقاله با یک روش ساده، از شبکه های دو بعدی برای یادگیری ویدیوهای حاوی ژست های پویای دست استفاده کرده ایم.نتایج نشان می دهد که این شبکه ها می توانند نسبت به شبکه های کانولوشنی سه بعدی که امروزه در دسته بندی ویدیو پرکابرد هستند، دقتبهتری را به دست بدهند.

کلیدواژه ها:

تشخیص ژست دست ، دسته بندی ویدیو ، شبکه های عصبی کانولوشنی ، یادگیری عمیق