基于Vision Transformer架构的智能电视手势识别模型,能够准确分类9种常见手势。
下载量 65
发布时间 : 1/30/2025
模型简介
该模型使用ViT架构实现智能电视场景下的手势识别,可识别包括滑动、停止、拇指方向等9类手势,准确率达99.9%。
模型特点
高精度识别
在测试集上达到99.9%的整体准确率,所有手势F1值均超过99.5%
多手势支持
支持9种常见智能电视手势的精确分类
高效架构
基于Vision Transformer的现代视觉架构,平衡性能与效率
模型能力
图像分类
手势识别
实时动作检测
使用案例
智能家居
电视手势控制
通过摄像头捕捉用户手势实现无遥控器操作
准确识别9种控制手势,误识别率<0.1%
无障碍交互
特殊人群控制界面
为行动不便用户提供非接触式交互方案
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文