基于度量学习的轻量级网络ASL识别技术

在过去的几十年里，由机器解决的人类任务集得到了极大的扩展。从简单的图像分类问题，研究人员现在转向解决更复杂和重要的问题，比如，自动驾驶和语言翻译。语言翻译的案例包括手语翻译这一具有挑战性的领域，它同时包含了图像和语言处理。我们通过提出一个轻量级的ASL手势识别网络，在这个方向上迈出了一步，其性能足以满足实际应用。所提出的解决方案在MS-ASL数据集上和实时模式下的连续手势识别场景中展示了令人印象深刻的鲁棒性。此外，我们描述了如何将动作识别模型训练与度量学习相结合，在有限规模的数据库上训练网络。训练代码作为Intel OpenVINO训练扩展的一部分。