首页|基于改进YOLOv5-Conv手势识别研究

基于改进YOLOv5-Conv手势识别研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
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.

薛阳、李清、卢秋红、丁凯、杨江天、李金星

展开 >

上海电力大学自动化工程学院 上海 200090

上海合时智能科技有限公司 上海 200040

手势识别 深度学习 YOLOv5算法 ConvNeXt算法 轻量化改进

国家自然科学基金资助项目上海市2021年度"科技创新行动计划"国网浙江省电力有限公司杭州供电公司

5207531621DZ12075025211HZ17000F

2024

10.3969/j.issn.1672-9528.2024.07.045

信息技术与信息化
山东电子学会

信息技术与信息化

影响因子：0.29
ISSN：1672-9528
年,卷(期)：2024.(7)
  • 11