摘要
针对非接触式的人机交互中手势识别精度低速度慢的问题,提出一种轻量化MEF-YOLO(MobileNetV3-ECA-FReLU YOLO)算法.将YOLOv5s的主干网络CSPDarknet53 替换成轻量化的Mobielnetv3,在主干网络的最后一个卷积层之后融入ECA注意力机制,规避因参数减少而导致的特征信息丢失问题,同时使模型更好地融合不同通道间的信息,接着在输出层添加FReLU激活函数,增加模型的非线性,使特征的表达能力增强.在自制数据集上验证了MEF-YOLO算法的可行性,并与YOLOv5 算法进行了对比.结果表明,轻量化MEF-YOLO算法的模型大小减小了78.4%,检测速度提升了61 帧/s,同时平均识别精度较YOLOv5算法提升了3.6%.
NETL
NSTL
万方数据