① 能識別手勢的電腦是怎樣工作的
一種能夠識別手勢語並將其轉換成屏幕顯示文本的軟體，可以使失聰者更容易、更自然地利用電腦同別人交流。加拿大魁北克省舍布魯克大學的研究人員開發了一種能夠識別國際手勢語的系統。這種系統可以通過手勢把組成單詞的每個字母拼出來。
這種系統識別國際手勢語的成功率高達96%。由於每個人的手勢略有不同，如果使用這種神經網路系統的人經過培訓，可以使這種系統發揮的作用達到最佳效果。這種系統通過快速工作站識別一個手勢需要半秒鍾，研究人員尚未能使它達到最佳識別速度。研究人員相信，他們通過使這種系統具備可以檢驗容易出錯的手勢，能夠進一步提高識別的准確性。
這種系統用攝像機捕捉每個手勢，再由軟體進行一系列處理。第一階段是「邊緣測定」，即繪制出手的輪廓。然後由系統確定手的長軸和短軸，以便確定手勢的確切方向。
在這個基礎上，程序對手指相對於手的長軸的變化和方向加以測量。得出的信息被輸入神經網路程序，程序通過與現有訓練數據加以比較，對字母最有可能表達的含意做出猜測。一旦電腦識別出手勢所要表達的意思，就把相關的字母顯示在屏幕上。
研究人員說，由於這個系統採用的是實時交流方式，其反應速度是相當快的。
② 神經網路在圖像識別中有哪些應用
卷積神經網路有以下幾種應用可供研究：
1、基於卷積網路的形狀識別
物體的形狀是人的視覺系統分析和識別物體的基礎，幾何形狀是物體的本質特徵的表現，並具有平移、縮放和旋轉不變等特點，所以在模式識別領域，對於形狀的分析和識別具有十分重要的意義，而二維圖像作為三維圖像的特例以及組成部分，因此二維圖像的識別是三維圖像識別的基礎。
2、基於卷積網路的人臉檢測
卷槐橋積神經網路與傳統的人臉檢測方法不同，它是通過直接作用於輸陪簡入樣本，用樣本來訓練網路並最終實現檢測任務的。它是非參數型的人臉檢測方法，可以省去傳統方法中建模、參數估計以及參數檢驗、重建模型等的一系列復雜過程。本文針對圖像中任意大小、位置、姿勢、方向、膚色、面部表情和光照條件的人臉。
3、文字識別系統
在經典的模式識別中，一般是事先提取特徵。提取諸多特徵後，要對這些特徵進行相關性分析，找到最能代表字元的特徵，去掉對分類無關和自相關的特徵。然而，這些特徵的提取太過依賴人的經驗和主觀意識，提取到的特徵的不同對分類性能影響很大，甚至提取的特徵的順序也蘆明褲會影響最後的分類性能。同時，圖像預處理的好壞也會影響到提取的特徵。