分层自注意手势网络

纯注意力·轻量高效

利用分层自注意架构实现手指级时空特征提取，以极低计算量在多个手势识别基准上达到与重模型相当的性能。

刘建波 · Ying, Wang · 向世明 · 潘春洪

Pattern Recognition 2025

技术优势

浅层网络即可聚合关键关节

自注意力模块通过动态注意力权重，用浅层网络聚合信息量最大的关节点特征，避免深度堆叠。

显式提取手指级时空特征

层级设计显式提取手指级别的时空特征，进一步提升模型性能，而无需手动设计特征。

应用场景

• 手势识别：用极低计算量在端侧实现实时手势分类。
• 人机交互：低延迟识别手势，提升机器人的自然交互响应。
• 可穿戴设备：轻量模型适合在可穿戴设备上本地处理手部动作。
• 动作识别：自注意力聚合时空信息也适用于更一般的动作识别任务。