# gesture-digital-recognition
一个基于mediapipe实现手势数字识别机器学习项目
### create_train_set.py
使用mediapipe和调取摄像头获取每帧生成坐标集的过程(np.array)
### train.py
根据坐标集生成训练集,并使用tensorflow添加3+3层构成神经网络。（使用RNN的lstm单元优化方法）
### main.py
开启摄像头，测试
## 运行顺序 create_train_set -- train -- main
1. 导入并安装依赖项。
2. 使用mediapipe的特征点检测
3. 提取特征点坐标值
4. 设置收集的文件夹。
5. 收集和测试的关键点值
6. 预处理数据，创建标签和特性。
7. 建立和训练LSTM中立网络
8. 作出预测
9. 保存权重
10. 使用混淆矩阵和准确度进行评估
11. 实时测试。
一个基于mediapipe实现手势数字识别机器学习项目.zip
需积分: 5 178 浏览量
2024-04-17
19:49:52
上传
评论
收藏 11.5MB ZIP 举报
一个基于mediapipe实现手势数字识别机器学习项目.zip （2014个子文件） 
.DS_Store 10KB .DS_Store 10KB .DS_Store 10KB .DS_Store 10KB .DS_Store 10KB .DS_Store 10KB .DS_Store 10KB .DS_Store 10KB .DS_Store 10KB .DS_Store 8KB .DS_Store 6KB .DS_Store 6KB .DS_Store 6KB .DS_Store 6KB README.md 772B 21.npy 2KB 14.npy 2KB 17.npy 2KB 10.npy 2KB 12.npy 2KB 25.npy 2KB 0.npy 2KB 18.npy 2KB 13.npy 2KB 24.npy 2KB 16.npy 2KB 3.npy 2KB 11.npy 2KB 2.npy 2KB 22.npy 2KB 28.npy 2KB 6.npy 2KB 7.npy 2KB 5.npy 2KB 1.npy 2KB 23.npy 2KB 20.npy 2KB 19.npy 2KB 8.npy 2KB 27.npy 2KB 26.npy 2KB 9.npy 2KB 29.npy 2KB 4.npy 2KB 15.npy 2KB 0.npy 2KB 17.npy 2KB 10.npy 2KB 25.npy 2KB 18.npy 2KB 12.npy 2KB 21.npy 2KB 14.npy 2KB 3.npy 2KB 28.npy 2KB 11.npy 2KB 7.npy 2KB 16.npy 2KB 24.npy 2KB 5.npy 2KB 13.npy 2KB 23.npy 2KB 6.npy 2KB 20.npy 2KB 2.npy 2KB 29.npy 2KB 1.npy 2KB 22.npy 2KB 8.npy 2KB 9.npy 2KB 26.npy 2KB 27.npy 2KB 4.npy 2KB 15.npy 2KB 14.npy 2KB 17.npy 2KB 0.npy 2KB 21.npy 2KB 24.npy 2KB 19.npy 2KB 16.npy 2KB 13.npy 2KB 18.npy 2KB 5.npy 2KB 12.npy 2KB 10.npy 2KB 25.npy 2KB 23.npy 2KB 20.npy 2KB 11.npy 2KB 3.npy 2KB 2.npy 2KB 22.npy 2KB 26.npy 2KB 27.npy 2KB 9.npy 2KB 19.npy 2KB 1.npy 2KB 6.npy 2KB 29.npy 2KB共 2014 条
- 1
- 2
- 3
- 4
- 5
- 6
- 21
资源评论
