《表1 不同算法在CSL数据集上的比较》
这一节将在CSL数据集上验证本文提出的时空注意力网络的有效性,并与其他算法进行比较。如表1所示,之前的方法多利用骨架信息描绘出运动轨迹,本文仅使用了RGB信息就获得了优异的效果。相对于骨架数据,RGB图像更易在实际中获得。与手工特征算法相比,基于LSTM,ResC3D的深度学习算法都取得了更高的识别率。RGB和骨架相结合的方法与单模态的方法相比,有了一个明显的识别率提升。本文算法在仅采用一种模态的情况下,依然优于这些基于骨架的方法,而且与基于ResC3D的手语识别方法和基于LSTM的手语识别方法比较结果表明,本文算法有更突出的时空特征学习能力。
图表编号 | XD00145020500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 罗元、李丹、张毅 |
绘制单位 | 重庆邮电大学光电工程学院、重庆邮电大学光电工程学院、重庆邮电大学信息无障碍与服务机器人工程技术研究中心 |
更多格式 | 高清、无水印(增值服务) |