论文部分内容阅读
针对轻量型目标检测网络对静态手势特征提取能力不足、错检率和漏检率高的问题， 基于YOLOv4-tiny网络结构提出轻量型手势识别算法. 首先引入表征力更强、成本更低的重影特征映射， 增强网络获取多尺度手势特征的能力; 然后嵌入通道注意力机制实现特征重标定， 达到减少背景干扰的目的; 最后采用Swish作为主激活函数， 进一步提升手势识别精度. 在手势数据集上的实验结果表明， 相比YOLOv4-tiny， 所提算法具有较优的识别性能; 并且对于不同环境条件下的多尺度手势， 该算法能够实现精准的分类和实时的检测， 对小尺度的手势具有更好的识别效果.