基于注意力机制和MobileNet的手势识别算法研究

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。