基于ConvNeXt的手势姿态估计研究

随着优化技术的发展以及对神经网络的进一步认知,提出ConvNeXt网络并应用于视觉分类任务,其性能超越Transformer等一系列多参数量和多计算量网络。姿态估计任务是计算机视觉任务中的基本任务,也是手势识别技术的基础,有着广泛的应用前景。将ConvNeXt网络应用于手势姿态估计并进行优化,引入heatmap编码,从而增加对关键点坐标预测的准确率。使用改进的Adamw优化器对模型参数进行优化,其PCK@0.2指标达到了0.992,EPE指标也达到了3.47,超越了其他模型的实验结果。