改进YOLOv7-tiny的手语识别算法研究

摘要：

在与听障人士进行交流时,常常会面临交流不便的困难,文中提出一种手语识别的改进模型来解决这个困难.该模型基于YOLOv7-tiny网络模型,并对其进行了多项改进,旨在提高模型的精度和速度.首先,通过对CBAM注意力机制的通道域进行改进,解决了因降维而造成的通道信息缺失问题,并将改进后的CBAM加入到YOLOv7-tiny的Neck层中,从而使模型更加精准地定位和识别到关键的目标;其次,将传统的CIoU边界框损失函数替换为SIoU边界框损失函数,以加速边界框回归的同时提高定位准确度;此外,为了减少计算量并加快检测速度,还将颈部层中的普通卷积模块替换为Ghost卷积模块.经过实验测试,改进后网络模型的平均精度均值(mAP)、精准率和召回率分别提升了5.31%、6.53%、2.73%,有效地提高了手语识别网络的检测精确度.

关键词：手语识别、YOLOv7-tiny、Ghost卷积、注意力机制、SIoU、边界框

所属期刊栏目：47

分类号：TN911.1-34;TP391

资助基金：陕西省重点研发计划;陕西省科技厅工业公关

在线出版日期：2024-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：55-61