NinaPro DB5

新框架提高了跨主体的肌电图手势识别精度

研究人员开发了一种新的多目标学习框架，以提高基于肌电图（EMG）的手势识别在不同主体之间的准确性。该方法采用多头架构，将手势分类与对抗性主体混淆和度量学习相结合，以创建既具辨别性又对个体主体不变的表示。还采用了一种自适应加权机制来稳定这些多个目标的优化。在UCI EMG和NinaPro DB5数据集上的评估显示，与现有的最先进方法相比，准确性有了显著提高，证明了跨主体泛化能力的增强和预测方差的减少。