公开(公告)号：CN114241491A

公开(公告)日：2022-03-25

申请号：CN202111382747.4

申请日：2021-11-22

Applicant: 南京邮电大学

Inventor： 戎舟 ,  施列昱 ,  王宇

IPC: G06V30/32 ,  G06V20/40 ,  G06N3/04 ,  G06N3/08 ,  G06V10/82

Abstract: 本发明公开了一种基于轻量级深度学习网络的手写字母识别方法，采用信号处理技术处理信道状态信息幅值数据，采用线性变化方法校正相位数据，然后使用一种结合滑动窗口的短时能量算法截取幅值和相位信号上有效的动作区间，建立联合幅值和相位信号的手写字母数据集。搭建MobileNet_V2深度学习网络，将手写字母数据集输入到经过迁移学习的MobileNet_V2深度学习网络模型中进行训练，获得训练好的手写字母手势分类模型。该手势分类模型可以布置在嵌入式设备上进行分类任务。本发明具有准确率高，训练时间短，设备性能要求低等优点。

公开(公告)号：CN114241491B

公开(公告)日：2024-07-12

申请号：CN202111382747.4

申请日：2021-11-22

Applicant: 南京邮电大学

Inventor： 戎舟 ,  施列昱 ,  王宇

IPC: G06V30/32 ,  G06V20/40 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08 ,  G06V10/82

Abstract: 本发明公开了一种基于轻量级深度学习网络的手写字母识别方法，采用信号处理技术处理信道状态信息幅值数据，采用线性变化方法校正相位数据，然后使用一种结合滑动窗口的短时能量算法截取幅值和相位信号上有效的动作区间，建立联合幅值和相位信号的手写字母数据集。搭建MobileNet_V2深度学习网络，将手写字母数据集输入到经过迁移学习的MobileNet_V2深度学习网络模型中进行训练，获得训练好的手写字母手势分类模型。该手势分类模型可以布置在嵌入式设备上进行分类任务。本发明具有准确率高，训练时间短，设备性能要求低等优点。