一种快速适应的方法,用于动态空气写字识别,使用可穿戴腕带与自我监督的对比学习

科学领域:

• 可穿戴技术是可穿戴的技术.
• 深度学习是一种深度学习.
• 人与计算机的互动.

背景情况:

• 现有的手势识别系统经常与动态运动作斗争,需要大型标记数据集.
• 需要适应性强,高效的手势识别系统,用于日常活动.

研究的目的:

• 开发一种可穿戴的腕带系统,用于准确的动态手势识别.
• 能够快速适应各种任务,使用自主监督学习和少数镜头微调.

主要方法:

• 一个带有离子凝和灵活电极的四通道传感阵列,用于高灵敏度电容输出.
• 一个深度学习算法,采用自我监督的对比学习来从未标记的手腕运动数据中提取特征.
• 通过Wi-Fi模块进行无线传输,用于实时信号处理.

主要成果:

• 该系统在识别八个方向命令和空中写所有数字和字母方面实现了94.9%的准确性.
• 快速适应新任务,只需要微调所需的几次拍摄的标记数据.
• 实现了无的任务转换,没有结构修改或广泛的再培训.

结论:

• 拟议的可穿戴腕带系统为动态手势识别提供了一种新的方法.
• 自主监督学习方法显著减少了对标记数据的需求,提高了适应能力.
• 该系统提供了一个自然和直观的界面,用于在各种应用程序中增强人机交互.