Resumen

Teniendo en cuenta el problema de la ausencia de detalles de textura y otras caractersticas de alta frecuencia en el proceso de extraccin de caractersticas de la red profunda que emplea la operacin de muestreo ascendente, la precisin del reconocimiento de gestos se ve seriamente afectada en escenas complejas. Este estudio integra la deteccin de objetos y el reconocimiento de gestos en un solo modelo y propone una deteccin y reconocimiento de gestos basada en el mdulo de fusin de caractersticas de frecuencia piramidal y la atencin multiescala en la interaccin persona-ordenador. El mdulo de fusin piramidal se utiliza para realizar una fusin eficiente de caractersticas y se propone para obtener capas de caractersticas con riqueza de detalles e informacin semntica, lo que resulta til para mejorar la eficiencia y la precisin del reconocimiento de gestos. Adems, se adopta el mdulo de atencin multiescala para extraer de forma adaptativa informacin importante y eficaz de los canales temporales y espaciales e incrustarla en la capa de deteccin. Por ltimo, nuestra red propuesta mejora la informacin efectiva y suprime la informacin no vlida de la capa de deteccin. Los resultados experimentales muestran que nuestro modelo propuesto aprovecha al mximo el mdulo de fusin de caractersticas de alta-baja frecuencia sin sustituir la red troncal bsica, lo que puede reducir en gran medida la sobrecarga computacional al tiempo que mejora la precisin de la deteccin.

• Materias:Algebra Algoritmos (Matemáticas) Ingeniería Lógica matemática Matemáticas
• Subjects:Algebra Agorithms (Math) Engineering Mathematical logic mathematics
• Palabras claves:ausencia; textura detallada; características de alta frecuencia; proceso de extracción de características; red profunda; operación de remuestreo
• Keywords:absence; detail texture; high-frequency features; feature extraction process; deep network; upsampling operation