| سیستم تشخیص ژست دست با استفاده از شبکه‌عصبی کانولوشن و جنگل‌تصادفی |
| Paper ID : 1017-MVIP2020 |
| Authors: |
|
Maryam Kamali-rousta *1, Abbas Koochari2 1none,none 2دانشکده مکانیک، برق و کامپیوتر دانشگاه آزاد اسلامی واحد علوم و تحقیقات |
| Abstract: |
| حرکات دست یکی از رایج ترین انواع زبان بدن هستند که برای ارتباط و تعامل انسانها و انسان-کامپیوتر استفاده می‌شوند. دراین پژوهش سعی شده با استفاده از ترکیب روشهای پیش‌پردازش تصویر و طراحی شبکه‌عصبی کانولوشن اختصاصی ویژگیها استخراج شده،سپس شناسایی ژست‌دست با الگوریتم جنگلهای‌تصادفی که کمتر در این زمینه استفاده‌‌‌شده، بهبود یابد.مجموعه‌داده مورد بررسی kinect_leap_dataset میباشد. در روش اول شبکه کانولوشن طراحی‌‌‌شده و بعد از ورود داده‌ها به شبکه، برای کاهش تعداد ویژگیهای کم‌اهمیت از الگوریتم PCA استفاده میشود. ویژگیهای استخراج شده به الگوریتمهای دسته‌بندی داده میشود. در روش دوم بدون استفاده ازPCA ویژگیها بطور مستقیم به الگویتم‌‌های دسته‌بند وارد میشود. در روش سوم برای مقایسه از شبکه آماده YOLO برای استخراج ویژگی استفاده شد. در این پژوهش سعی‌‌‌شد با طراحی شبکه کانولوشن کم‌عمق اختصاصی، الگوریتم جنگلهای تصادفی و با استفاده از CPU که ارزان تر و در دسترس میباشد استخراج ویژگی انجام و ژستها دسته‌بندی شوند. با توجه به شیوه پیاده سازی در این زمینه به سرعت بالاتر پیاده‌سازی نسبت به بکارگیری از GPU و درصد قابل قبول از الگوریتمهای جنگلهای تصادفی (75% ) و SVM (77.5% ) رسید. |
| Keywords: |
| ژست دست، جنگلهای تصادفی، شبکه عصبی کانولوشنی |
| Status : Paper Accepted (Poster Presentation) |
