基于YOLOv3改进的手势检测算法

针对传统手势检测算法在第一视角多手势场景下检测精度和准确率不高的问题,提出了一种基于YOLOv3网络框架改进的手势检测算法。利用Kmeans++聚类算法代替Kmeans对训练集的尺度进行重新聚类,得到更符合手势分布的先验点;针对检测过程中正负样本极不均衡的问题改进YOLOv3的损失函数,引入Focal Loss损失函数使得网络更加关注难训练的样本;改进非极大值抑制算法(NMS),通过对候选框进行加权得到更接近Ground Truth的结果,并通过判断候选框之间的位置关系去除冗余候选框。在Egohands数据集中实验表明,提出的算法相对于原本的YOLOv3算法在准确率和mAP上有较大的提升。