NinaPro

新型Transformer模型增强假肢手势识别

研究人员开发了EMG-CrossFormer，一种新颖的混合卷积-Transformer模型，旨在改进用于假肢控制的手势识别。这种新架构有效地整合了来自多模态生理信号的局部和全局特征，解决了当前深度学习模型在处理更大手势集和单模态数据时遇到的局限性。在NinaPro数据集上进行测试时，EMG-CrossFormer实现了显著的准确性提升，尤其是在结合表面肌电图（sEMG）和惯性信号时。