《表1 在SLVM数据集上的方法比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合宽残差和长短时记忆网络的动态手势识别研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

/%

表1将本文的方法和在SLVM数据集上已公开的最佳方法进行了对比，结果表明，本文的方法相比3DCNN[20]模型具有极大的优势:首先，3DCNN通过卷积操作共享网络层参数，在有效降低网络参数量的同时，有效地对图像序列的局部、甚至是整体的空间特征信息进行有效提取；Bi-ConvLSTM不但具有传统长短时记忆网络的自适应记忆和抗遗忘的能力，在进行时间序列学习时更加关注图像序列的空间信息。因此本文提出的模型相比之前SLVM数据集的最佳识别正确率模型有质的提升。同时可以发现，当选择使用Re LU激活函数时，网络具有更强的泛化能力，而使用L2正则化也可以在一定程度上避免过拟合现象。