在深度学习方法中通常不同分支提取不同特征再对这些分支进行相应操作获取最终的手势特征。这里面也涉及特征的排除与选取。

在手势识别中，通常需要考虑到手势的形状、运动轨迹、颜色、纹理等多种特征。因此，在深度学习方法中，可以使用多个分支来提取不同的特征。例如，可以使用一个分支来提取手势的运动轨迹，另一个分支来提取手势的颜色信息。

对于特征的排除与选取，通常需要根据实际情况来进行选择。一般来说，可以通过特征选择算法来筛选出最具有代表性的特征。同时，还可以通过人工经验来选择一些重要的特征。

在手势识别中，通常需要考虑到实时性和准确性的平衡。因此，在特征的选择上，需要考虑到特征的复杂度和计算复杂度的平衡，以达到最优的识别效果。