一种基于改进YOLOv5s的手势识别算法

手势识别作为一种重要的人机交互技术,在智能设备、智能交通等领域具有广泛应用前景。然而,现有基于YO⁃LOv5s的手势识别算法在目标检测准确率和效率方面存在一定问题。这是由于YOLOv5s在目标检测阶段存在相似手势区分能力较弱以及检测结果重叠和重复的原因。为解决这一问题,本研究提出了一种改进YOLOv5s模型的手势识别算法。通过在目标检测阶段引入动态稀疏注意力BiFormer模块来优化长序列数据处理,对YOLOv5s模型进行改进,从而提高了手势识别的准确率和效率。实验结果表明,改进后的模型在处理小目标和相似手势时表现更为优异,同时能够有效避免检测结果的重叠和重复现象。