科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对军用手势检测算法准确率低，速度慢，模型复杂度高等问题，提出一种基于改进的EfficientDet的军用手势检测算法。选择10种常用的军用手势构建军用手势数据集，运用数据增强技术扩充样本数量，降低过拟合；使用k-means算法对数据集中手势目标的先验框进行聚类，得到适合手势目标的先验框尺寸，提高目标检测精度和速度；改进特征融合网络结构，增加中间特征层的特征信息进行融合，得到更加丰富的手势特征，提高手势检测的精确率；使用迁移学习、微调方法等技术加快训练模型的收敛速度，减少训练时间；最后使用DIoU-NMS去掉多余的预测框，得到最终的预测结果。实验结果证明，所提算法预测精确率更高，模型复杂度和计算量更小，可用于实时检测，验证了该算法对军用手势有更高的检测能力，证明算法改进的有效性。
-
单位太原师范学院; 太原工业学院
