基于CAGhost-YOLOv5的手势识别算法  

在线阅读下载全文

作  者:余志 王招娣[1] 康婉茹 陈梦瑶 

机构地区:[1]洛阳师范学院,河南洛阳471934

出  处:《电子制作》2024年第10期71-73,共3页Practical Electronics

基  金:河南省科技厅科技攻关项目(222102210301);国家级大学生创新创业训练计划项目(202310482024);国家级大学生创新创业训练计划项目(202310482010)。

摘  要:针对YOLOv5识别精度较低,训练速度较慢的问题,本文提出了一种CAGhost-YOLOv5(CoordinateAttention-GhostNet-YOLOv5)算法。该算法在YOLOv5的基础上进行改进,首先在主干网络(Backbone)中引入协调注意力模块(Coordinate Attention Module),通过减少模型的参数量,提高模型在重要通道的表征能力和性能。其次使用幽灵网络模块(GhostNet Module)替换YOLOv5中的卷积模块,即使用Ghost Conv、C3Ghost模块分别替换YOLOv5网络中的Conv和C3模块,在不影响模型准确度的前提下提高了卷积神经网络的效率和模型的训练速度及推理速度。最后在自制数据上对算法进行了验证,与原始的YOLOv5模型相比较,该模型的参数数量减少了16.8%,平均精度均值提高了15.4%,训练速度提高了两倍。

关 键 词:CAGhost-YOLOv5 GhostNet 手势识别 深度学习 

分 类 号:G63[文化科学—教育学]

 

参考文献:

正在载入数据...

 

二级参考文献:

正在载入数据...

 

耦合文献:

正在载入数据...

 

引证文献:

正在载入数据...

 

二级引证文献:

正在载入数据...

 

同被引文献:

正在载入数据...

 

相关期刊文献:

正在载入数据...

相关的主题
相关的作者对象
相关的机构对象