基于YOLOv8n的轻量级自适应权重手势识别模型

来源：计算机测量与控制杂志2025年第10期北京时间：

作者：徐慕君,葛艳,时东亮

单位：青岛科技大学

摘要：近年来，针对手势识别模型的轻量化研究层出不穷，但常以牺牲识别精度为代价；为此，提出一种基于YOLOv8模型的轻量级手势识别模型LAW-YOLO；设计轻量级自适应权重卷积LAWC并引入特征提取网络，通过自适应权重机制在复杂背景中精准聚焦手势区域，并有效降低计算成本；采用双向特征金字塔网络BiFPN优化模型特征融合网络并减少冗余通道，在尽可能小的精度损失下大幅减少模型参数量和计算量；使用融入了自校正卷积SC-Conv的自校正模块SC2f替换检测头前的C2f模块，增强模型特征融合网络性能，弥补轻量化带来的精度损失；改进模型在HaGRID手势数据集上验证，改进后模型参数量和模型大小较改进前分别减少41.20%和41.94%，识别精度高达98.63%，显著提升模型计算效率和识别精度。

关键词：手势图像识别;YOLOv8;轻量级网络;自适应权重;双向特征金字塔网络;自校准卷积