典型文献
基于注意力机制和MobileNet的手势识别算法研究
文献摘要：
为了提升基于深度学习的手势识别算法的精度与效率,文章提出了一种改进的YOLOv4-tiny的手势识别模型,首先,利用轻量化网络MobileNet代替YOLOv4-tiny中的三个CSPBlock作为YOLOv4-tiny的主干提取网络,目的是降低网络的计算量和参数量.其次在YOLOv4-tiny网络中引入自注意力机制,更好地获取丰富的上下文信息,通过结合自注意力机制的方法,弥补模型轻量化带来的部分精度损失.经过在不同特征提取模型以及注意力机制的作用下的手势识别测试,MobileNet比CSPBlock模型在YOLOv4-tiny中对手势识别准确率上相差不大,但MobileNet模型运行时间仅为CSPBlock模型所需时间的三分之二.同时,与未引入注意力机制的准确率相比较,MobileNet模型识别准确率从93％上升到96％.由此表明,文章提出的基于注意力机制和MobileNet手势识别模型比普通手势识别模型识别效果更佳.
文献关键词：
深度学习;手势识别;YOLOv4-tiny;轻量级;注意力机制
中图分类号：
作者姓名：
楚康波;牛芳琳
作者机构：
辽宁工业大学 电子与信息工程学院,辽宁 锦州 121000
文献出处：
引用格式：
[1]楚康波;牛芳琳-.基于注意力机制和MobileNet的手势识别算法研究)[J].电脑知识与技术,2022(29):4-7,11
A类：
B类：
MobileNet,手势识别,识别算法,算法研究,精度与效率,YOLOv4,tiny,识别模型,轻量化网络,CSPBlock,计算量,参数量,自注意力机制,上下文信息,模型轻量化,精度损失,提取模型,识别准确率,运行时间,三分之二,模型识别,轻量级
AB值：
0.237692
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
