Gesture-recognition-using-CNNLSTM:使用GRIT数据集，构建了将2D CNN与LSTM相结合的模型，以从webCam视频提要中执行实时手势识别。也使用LSTM建立了使用3D CNN的另一个模型-源码

JupyterNotebook

使用手势识别的CNNLSTM 使用GRIT数据集，构建了将2D CNN与LSTM相结合的模型，以从webCam视频提要中执行实时手势识别。也使用LSTM建立了使用3D CNN的另一个模型。目标构建能够实时检测视频中手势的计算机视觉深度学习模型。模型应能够在低端设备上运行。（没有GPU）模型应该可以快速训练（30分钟内进行训练）在每个手势动作中使用有限的样本来提取可用的准确性。预先处理由于我们的动机是运动识别，因此我们首先必须检测帧序列之间的运动。我使用时差法。时间差异涉及两个或三个连续帧之间的差异，然后凝结连续帧之间的差异以提取运动对象的运动。它非常容易且快速地进行计算，并且在动态环境中具有更好的性能。使用等式计算差分图像： Δ = (

文件下载

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

Gesture-recognition-using-CNNLSTM:使用GRIT数据集，构建了将2D CNN与LSTM相结合的模型，以从webCam视频提要中执行实时手势识别。 也使用LSTM建立了使用3D CNN的另一个模型-源码

文件下载

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载

Gesture-recognition-using-CNNLSTM:使用GRIT数据集，构建了将2D CNN与LSTM相结合的模型，以从webCam视频提要中执行实时手势识别。也使用LSTM建立了使用3D CNN的另一个模型-源码