针对复杂背景下手势图像受到干扰较多而导致的手势识别准确率低、识别速度慢问题,提出一种基于结构重参数化和注意力机制的复杂背景下手势识别算法RepSEHGR(re-parameter squeeze-expand hand gesture recognition)。通过使用结构重参...针对复杂背景下手势图像受到干扰较多而导致的手势识别准确率低、识别速度慢问题,提出一种基于结构重参数化和注意力机制的复杂背景下手势识别算法RepSEHGR(re-parameter squeeze-expand hand gesture recognition)。通过使用结构重参数化方法,将其应用到残差结构中,在部署阶段去除多余分支结构,提升算法识别速度;同时嵌入通道注意力机制模块,利用其为不同通道特征加权的特点使算法关注手势特征,减少复杂背景干扰;使用cutout与仿射变换2种数据增强方法训练算法,抑制复杂背景噪声输入并增强数据,减少过拟合的同时提升算法健壮性。在一个复杂背景手势数据集上进行对比实验,结果显示:识别精度达到99.9%,识别速度达到200 fps,证明了所提算法的有效性。展开更多
