手势速度估计神经网络基准研究

研究者 Milán Zsolt Bagladi 和 László Gulyás 发表了一项研究：对循环、卷积、注意力和集合函数等 18 种神经网络架构，在 10 个序列任务（5 个置换不变集合任务、5 个顺序依赖任务）上进行系统基准测试，结果显示 BiGRU、TCN、Conv1D 和 GRUReLU 表现最佳，参数量均低于 2,000。 基于该排名，研究者用 BiGRU、TCN 和 GRUReLU 从骨骼关键点序列估计动态手臂手势速度，在含 256,710 帧、8 类交通手势的自建数据集上，峰值计数解释的平均绝对误差为 0.198（约 5% 相对误差），周期时间解释约 4%，平均尖峰间距约 8%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。