Bài viết trình bày nhận dạng cử chỉ tay bằng mạng tích chập (CNN) kết hợp với học chuyển đổi để nâng cao độ chính xác. Mục tiêu là nhận dạng 17 cử chỉ tay trong tập dữ liệu của nhóm tác giả Xiao Sun, Yichen Wei, Shuang Liang, Xiaoou Tang và Jian Sun, CVPR 2015, và nâng cao độ chính xác nhận dạng. Chúng tôi huấn luyện một mạng tích chập mới bằng cách học kế thừa từ mạng Google Net. | Tuyển tập Hội nghị khoa học toàn quốc lần thứ nhất về Động lực học và Điều khiển Đà Nẵng ngày 19-20 7 2019 tr. 147-151 DOI Nâng cao chất lượng hệ thống nhận dạng cử chỉ tay sử dụng mạng tích chập với học chuyển đổi Nguyễn Hoài Nam Đặng Thanh Hải và Trần Gia Khánh Bộ môn Điều khiển tự động Viện Điện Đại học Bách khoa Hà Nội Số 1 Đại Cồ Việt Quận Hai Bà Trưng Hà Nội Việt Nam E-mail Tóm tắt 2. Học sâu Trong bài báo này chúng tôi sẽ nhận dạng cử chỉ tay bằng Học sâu là một nhánh của học máy dựa trên việc mạng tích chập CNN kết hợp với học chuyển đổi để nâng cao học các dữ liệu đại diện trái ngược với các thuật toán cụ độ chính xác. Mục tiêu là nhận dạng 17 cử chỉ tay trong tập dữ thể theo nhiệm vụ. Việc học có thể là học giám sát bán liệu của nhóm tác giả Xiao Sun Yichen Wei Shuang Liang giám sát hoặc không giám sát. Xiaoou Tang và Jian Sun CVPR 2015 và nâng cao độ chính Các mô hình học sâu được lấy cảm hứng từ các mô xác nhận dạng. Chúng tôi huấn luyện một mạng tích chập mới hình xử lý thông tin và giao tiếp trong các hệ thống bằng cách học kế thừa từ mạng Google Net. Toàn bộ việc huấn nơron sinh học nhưng có sự khác biệt khác nhau từ các luyện và kiếm tra mạng được thực hiện với tập dữ liệu được đặc tính cấu trúc và chức năng của bộ não sinh học đặc chia sẻ công khai. Chúng tôi thấy rằng mạng tích chập được biệt là bộ não con người . học chuyển đổi từ mạng đã được huấn luyện sẽ có khả năng Cấu trúc của học sâu thường được xây dựng cùng nhận dạng cử chỉ tay tốt hơn. Không những thế học kế thừa với phương pháp lớp chồng lớp. Học sâu giúp tháo gỡ giúp giảm tài nguyên cần phải sử dụng và tăng tốc độ học. những khái niệm trừu tượng này và chọn ra những đặc Từ khóa CNN tích chập Deep Learning Nhận dạng cử chỉ điểm cần thiết cho việc học. tay mạng nơron. Trong học sâu mỗi mức học cách chuyển đổi dữ liệu đầu vào của nó thành một đại diện tóm lược hơn một 1. Mở đầu chút. Trong ứng dụng nhận dạng hình ảnh đầu vào thô có thể .
