组合学习手势识别模型

免范例增量学习

通过任务特定组合机制和原型增强正则化，实现历史手势与新手势的高精度连续识别。

Zheng, Li · Xueyi, Zhang · 郭延明 · Cai, Siqi · Lao, Mingrui

IEEE Transactions on Consumer Electronics 2025

参数信息

准确率提升

22.43 %

开销降低

90 %

技术优势

无需存储旧样本

采用免范例类增量学习，通过自适应孤立参数组合和微调，模型无需保留历史手势样本即可持续学习新手势。

准确率大幅提升

在对比最具竞争力的方法时，准确率分别提升 13.33% 和 22.43%，达到当前最优性能。

开销降低九成

与最具竞争力的方法相比，计算和存储开销降低超过 90%，更适合资源受限的消费电子设备。

应用场景

• 手势交互：让手势交互系统持续学习新手势而不遗忘旧手势，且无需存储旧样本。
• 人机交互：为机器人提供可增量更新的手势理解能力，适应新用户手势，无需重新训练。
• 机器人视觉：支持机器人视觉系统在线扩展手势类别，保持高精度同时降低资源消耗。
• 可穿戴设备：适合可穿戴设备上的轻量级手势识别，低开销支持持续增加新手势。