基于卷积神经网络的手势识别算法研究.pdf

目 录 摘 要 I ABSTRACT III 第一章 绪论 1 1.1 课题背景与研究意义 1 1.2 手势识别研究现状2 1.2.1 手势识别技术的国内外研究现状2 1.2.2 手势识别系统的应用领域5 1.2.3 手势识别研究的挑战7 1.3 本文研究内容与章节安排8 1.3.1 本文研究内容8 1.3.2 章节安排8 第二章 深度学习相关理论 10 2.1 深度学习概述 10 2.2 神经网络概述 10 2.2.1 神经元模型 11 2.2.2 感知机 11 2.2.3 神经网络模型 12 2.2.4 神经网络的训练 12 2.3 卷积神经网络 13 2.3.1 CNN 结构 13 2.3.2 卷积层 14 2.3.3 池化层 14 2.3.4 参数减少与权值共享 15 2.3.5 损失函数 15 2.3.6 网络训练 16 2.4 生成式对抗网络 17 2.4.1 基本思想 17 2.4.2 损失函数 18 2.4.3 网络训练过程 19 2.5 本章小结 20 第三章 基于SSD 的手势图像检测算法研究 21 3.1 引言 21 3.2 基于SSD 的手势图像检测算法 22 3.2.1 SSD 网络设计思路 22 3.2.2 基于SSD 的手势图像检测模型 23 3.2.3 SSD 网络的训练 24 3.3 基于DSSD 的手势图像检测算法 25 3.3.1 预测模块 26 3.3.2 反卷积模块 26 3.3.3 DSSD 网络模型 27 3.3.4 DSSD 网络的训练 29 3.4 性能指标 29 3.5 实验结果及分析 30 3.5.1 手势图像数据集 30 3.5.2 实验结果及分析 31 3.6 本章小结 33 第四章 基于FCN 的手势图像分割算法研究 34 4.1 引言 34 4.2 基于FCN 的手势图像分割算法 35 4.2.1 FCN 的架构 35 4.2.2 卷积 36 4.2.3 反卷积 36 4.2.4 跳级结构 37 4.2.5 FCN 模型的训练 37 4.3 基于生成对抗网络的手势图像分割算法39 4.3.1 GAN 网络 39 4.3.2 马尔科夫判别网络40 4.3.3 GAN 网络的训练 41 4.4 实验结果及分析41 4.5 本章小结45 第五章 基于GOOGLENET 的手势图像识别算法46 5.1 引言46 5.2 手势识别数据集46 5.2.1 图像分割后的手势数据 46 5.2.2 手势检测及分割后的数据集47 5.3 基于GoogLeNet 的手势图像识别模型47 5.3.1 GoogLeNet 模型结构 47 5.3.2 Inception 单元 48 5.3.3 Dropout 技术 49 5.3.4 模型的训练49 5.3.5 性能指标49 5.4 实验结果及分析50 5.4.1 实验结果定量分析50 5.4.2 实验结果定性分析51 5.5 本章小结52 总结与展望53 参考文献55 致谢61 在校期间发表论文62