首页|基于改进YOLO深度卷积神经网络的缝纫手势检测

基于改进YOLO深度卷积神经网络的缝纫手势检测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
在人机协作领域,针对动作手势相似度大,环境复杂背景下手势识别率低的问题,提出一种基于YOLO深度卷积神经网络检测识别缝纫手势的方法.以4种复杂缝纫手势作为检测对象并构建缝纫手势数据集,通过在YOLOv3低分辨率的深层网络处增加密集连接层,加强图像特征传递与重用提高网络性能,实现端到端的缝纫手势检测.实验结果表明,在缝纫手势测试集中,训练后的模型平均精度均值为94.45％,交并比为0.87,调和平均值为0.885.通过对比区域卷积神经网络、YOLOv2以及原始YOLOv3算法,提出的改进方法检测精度有显著提升;同时在GPU加速情况下,平均检测速度为43.0帧/s,可完全满足缝纫手势的实时检测.
Sewing gesture recognition based on improved YOLO deep convolutional neural network

王晓华、姚炜铭、王文杰、张蕾、李鹏飞

展开 >

西安工程大学 电子信息学院, 陕西 西安 710048

缝纫手势识别 目标检测 YOLO深度卷积神经网络 服装缝纫 人机协作

国家自然科学基金教育部工程科技人才培养研究项目中国纺织工业联合会科技指导性计划项目西安工程大学博士科研启动基金研究生创新基金

5160713318JDGC0292018098107020384chx2019025

2020

纺织学报
中国纺织工程学会

纺织学报

CSTPCDCSCD北大核心EI
影响因子：0.699
ISSN：0253-9721
年,卷(期)：2020.41(4)
  • 6
  • 6