基于轻量级卷积神经网络的手势识别检测

来源：电子测量技术杂志2022年第4期北京时间：

作者：牛雅睿，武一，孙昆，卢昊，赵普

单位：1.河北工业大学 电子信息工程学院 天津 300401; 2.电子与通信工程国家级实验教学示范中心(河北工业大学) 天津 300401

摘要：针对基于深度学习的手势识别模型参数量大、训练速度缓慢且对设备要求高，增加了成本的问题，提出了一种基于轻量级卷积神经网络的手势识别检测算法。首先利用Ghost模块设计轻量级主干特征提取网络，减少网络的参数量和计算量；通过引入加权双向特征金字塔网络改进特征融合网络，提升网络检测精度；最后使用CIoU损失函数作为边界框回归损失函数并加入Mosaic数据增强技术，加快模型收敛速度提升网络的鲁棒性。实验结果表明，改进后的模型大小仅为17.9M，较原YOLOv3模型大小减小了92.4%，平均精确度提高了0.6%。因此新的检测方法在减少模型参数量的同时,还可保证模型的检测精度和效率,为手势识别检测提供理论参考。

关键词：手势识别; 轻量级网络; YOLOv3; Ghost模块; 加权双向特征金字塔; CIoU损失函数

基金资助：国家自然科学基金(51977059)；河北省自然科学基金(E2020202042)