摘要
针对军用手势检测算法准确率低,速度慢,模型复杂度高等问题,提出一种基于改进的EfficientDet的军用手势检测算法.选择10种常用的军用手势构建军用手势数据集,运用数据增强技术扩充样本数量,降低过拟合;使用k-means算法对数据集中手势目标的先验框进行聚类,得到适合手势目标的先验框尺寸,提高目标检测精度和速度;改进特征融合网络结构,增加中间特征层的特征信息进行融合,得到更加丰富的手势特征,提高手势检测的精确率;使用迁移学习、微调方法等技术加快训练模型的收敛速度,减少训练时间;最后使用DIoU-NMS去掉多余的预测框,得到最终的预测结果.实验结果证明,所提算法预测精确率更高,模型复杂度和计算量更小,可用于实时检测,验证了该算法对军用手势有更高的检测能力,证明算法改进的有效性.
维普
万方数据