摘要
现有手势识别算法存在计算量大、鲁棒性差、准确率低等问题.为了应对这些挑战,提出了一种名为YOLOv5-Conv的新算法.将手势识别任务分为手势检测和手势分析两部分,以提高识别的准确率.在手势检测部分,对传统的YOLOv5s算法进行了改进,包括使用轻量级卷积GhostConv、结合FasterNet的Faster block得到C3faster、添加无参数注意力机制SimAM以及修改损失函数为MPDIoU.改进后的YOLOv5s模型相较于原模型,计算量降低了 36%,权重降低了 30.3%,参数量降低了 34%,mAP@0.5上升了 0.6%.手势分析部分,提出了一种基于ConvNeXt网络的方法,通过对手势检测部分得到的手势区域进行特征提取,实现手势识别.实验表明,YOLOv5-Conv算法相较于传统网络模型,能有效提高精度和鲁棒性,具有广阔的应用前景.
基金项目
国家自然科学基金资助项目(52075316)
上海市2021年度"科技创新行动计划"(21DZ1207502)
国网浙江省电力有限公司杭州供电公司(5211HZ17000F)
NETL
NSTL
万方数据