From Linear Classifier to Convolutional Neural Network for Hand Pose Recognition

Paweł Rościszewski

doi:10.7494/csci.2017.18.4.2119

From Linear Classifier to Convolutional Neural Network for Hand Pose Recognition

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

Cytuj jako

Autor (1)

Paweł Rościszewski dr inż.

Słowa kluczowe

Pełna treść

pełna treść publikacji nie jest dostępna w portalu

pełna treść artykułu zobacz w serwisie zewnętrznym otwiera się w nowej karcie

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