基于COCO数据集的人体姿势估计 该存储库包含使用深度神经网络执行人体姿态估计的SENG 474数据挖掘项目的在建项目。 下面是我们项目建议的简短摘录。 问题 人体姿态估计（HPE）是识别人体关键点以构建人体模型的问题领域。 许多现有系统接受图像作为输入，有些实现接受诸如点云和视频之类的格式。 HPE的应用广泛且使许多行业受益。 特别是，HPE在电影和游戏行业中均用于动画。 HPE的更险恶的应用可用于识别多个帧（即视频）上的个人。 HPE的另一个子集是手势估计，可用于翻译手语。 由于诸多挑战，H

手语识别 该原型为聋人“理解”手语 包括所有代码以准备数据（例如，从ChaLearn数据集中获取数据），提取特征，训练神经网络以及在实时演示过程中预测信号 基于深度学习技术，尤其是卷积神经网络（包括最新的3D模型）和递归神经网络（LSTM） 使用Python，Keras + Tensorflow和OpenCV构建（用于视频捕获和处理） 有关10幻灯片的演示文稿+ 1分钟的演示视频，请参见。 要求 此代码至少需要 python 3.6.5 张量流1.8.0 keras 2.2.0 Ope

基于深度学习的手语识别 王建年605627507 执行摘要 计算机视觉具有许多有趣的应用程序，从工业应用程序到社交应用程序。 它也已被应用在对残障人士的许多支持中。 对于聋哑人来说，计算机视觉可以根据手语符号生成英文字母。 我们的团队旨在设计基于摄像头的手语识别系统。 通过将摄像头放置在固定位置，用户可以在摄像头前执行手势，然后系统将使用卷积神经网络（CNN）对手势语符号进行分类。 成功训练CNN模型后，将预测手语符号的相应字母。 产品 大部分工作是安装工具，从摄像机收集数据，通过Tensorf

cnn-asl识别器 打开cnn-asl-recognizer.ipynb以查看项目。