基于改进YOLO v5的手语字母语的识别方法

摘要：

针对传统手势识别方法计算量大、难以实时识别的问题,研究一种基于改进YOLO v5的轻量化手语检测识别方法.首先用Mobilenet v3-Small替换YOLO v5的主干网络;然后利用Ghost Conv模块和C3Ghost模块替换YOLO v5颈部网络中的Conv和Ghost模块;最后通过YOLO v5的预测部分生成预测框.在此基础上,利用k-means算法生成适合手势的先验框,加快网络检测手势.与其他网络算法对比分析可知,改进算法在保持精度基本不变的情况下可大幅减少网络参数,提高网络的检测速度.

关键词：Mobilenet、YOLO v5、Ghost Module、轻量化、手语识别

所属期刊栏目：21

分类号：TB391.41(工程材料学)

资助基金：南京工程学院大学生科技创新基金项目TB202217012

在线出版日期：2023-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：27-32