Resumen

La detección de manos no restringida en imágenes fijas juega un papel importante en muchos problemas de visión relacionados con las manos, como el seguimiento de manos, el análisis de gestos, el reconocimiento de acciones humanas, la interacción humano-máquina y el reconocimiento de lenguaje de señas. Aunque la detección de manos ha sido estudiada extensamente durante décadas, sigue siendo una tarea desafiante con muchos problemas por abordar. Los factores que contribuyen a esta complejidad incluyen una fuerte oclusión, baja resolución, condiciones de iluminación variables, diferentes gestos de manos y las complejas interacciones entre manos y objetos u otras manos. En este artículo, proponemos un modelo de aprendizaje profundo a escala múltiple para la detección de manos no restringida en imágenes fijas. Los modelos de aprendizaje profundo, y las redes neuronales convolucionales profundas (CNN) en particular, han logrado un rendimiento de vanguardia en muchos benchmarks de visión. Desarrollado a partir del modelo CNN basado en regiones (R-CNN

• Materias:Modelo Matemático Superálgebras Gráfico bipartito Números trapezoidales
• Subjects:Mathematical model Superalgebras Bipartite graph Trapezoidal numbers
• Palabras claves:Detección de manos; Modelo de aprendizaje profundo; Imágenes fijas; Sin restricciones; Fusión de información a múltiples escalas; Tarea desafiante
• Keywords:Hand detection; Deep learning model; Still images; Unconstrained; Multiscale information fusion; Challenging task