Abstrakt
Recently gathered image datasets and the new capabilities of high-performance computing systems have allowed developing new artificial neural network models and training algorithms. Using the new machine learning models, computer vision tasks can be accomplished based on the raw values of image pixels instead of specific features. The principle of operation of deep neural networks resembles more and more what we believe to be happening in the human visual cortex. In this paper, we build up an understanding of the most-successful recent model (a convolutional neural network) through the investigation of supervised machine learning methods such as K-Nearest Neighbors, linear classifiers, and fully connected neural networks. We provide examples and accuracy results based on our implementation aimed for the problem of hand pose recognition.
Cytowania
-
0
CrossRef
-
0
Web of Science
-
0
Scopus
Autor (1)
Cytuj jako
Pełna treść
- Wersja publikacji
- Accepted albo Published Version
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.7494/csci.2017.18.4.2119
- Licencja
-
otwiera się w nowej karcie
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja w czasopiśmie
- Typ:
- artykuły w czasopismach recenzowanych i innych wydawnictwach ciągłych
- Opublikowano w:
-
Computer Science
nr 18,
wydanie 4,
strony 1 - 16,
ISSN: 1508-2806 - Język:
- angielski
- Rok wydania:
- 2017
- Opis bibliograficzny:
- Rościszewski P.: From Linear Classifier to Convolutional Neural Network for Hand Pose Recognition// Computer Science. -Vol. 18., iss. 4 (2017), s.1-16
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.7494/csci.2017.18.4.2119
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 165 razy
Publikacje, które mogą cię zainteresować
Deep Learning: A Case Study for Image Recognition Using Transfer Learning
- S. Erpolat Tasabat,
- O. Aydin