| DC Field | Value | Language |
|---|
| dc.contributor.author | Ерамкович, В. А. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-06-04T08:25:41Z | - |
| dc.date.available | 2026-06-04T08:25:41Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Ерамкович, В. А. Автономная система распознавания жестов = An autonomous gesture recognition system / В. А. Ерамкович // Компьютерные системы и сети : сборник материалов 62-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 13–17 апреля 2026 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2026. – С. 278–283. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/63989 | - |
| dc.description.abstract | В работе представлено проектирование автономной системы распознавания жестов на базе несложного устройства. При проектировании использовались готовые решение, а также методы доработки их. Использовался набор данных FreiHAND, детектор на базе MediaPipe, архитектура сверточной нейросети MobileNetV2 и метод опорных векторов. В работе показаны изображения данных, формулы подготовки значений для обучения, объяснения особенностей семейства MobileNe, таблица с параметрами MobileNetV2 и информация об построении метода опорных векторов. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | сверточные нейронные сети | en_US |
| dc.subject | машинное обучение | en_US |
| dc.subject | компьютерное зрение | en_US |
| dc.title | Автономная система распознавания жестов | en_US |
| dc.title.alternative | An autonomous gesture recognition system | en_US |
| dc.type | Article | en_US |
| local.description.annotation | The paper presents the design of an autonomous gesture recognition system based on a simple device. During the design, ready-made solutions were used, as well as methods for refining them. The FreiHAND dataset, the MediaPipe-based detector, the MobileNetV2 convolutional neural network architecture, and the support vector method were used. The paper shows data images, formulas for preparing values for training, explanations of the features of the MobileNe family, a table with MobileNetV2 parameters, and information about the construction of the support vector method. | en_US |
| Appears in Collections: | Компьютерные системы и сети : материалы 62-й научной конференции аспирантов, магистрантов и студентов : сборник статей (2026)
|
