睢丙东 张湃 王晓君

摘 要：为了解决YOLOv3算法在手势识别中存在识别精度低及易受光照条件影响的问题，提出了一种改进的YOLOv3手势识别算法。首先，在原来3个检测尺度上新增加1个更小的检测尺度，提高对小目标的检测能力;其次，以DIoU代替原来的均方差损失函数作为坐标误差损失函数，用改进后的Focal损失函数作为边界框置信度损失函数，目标分类损失函数以交叉熵作为损失函数。结果表明，将改进的YOLOv3手势识别算法用于手势检测中，mAP指标达到90.38%，较改进前提升了6.62%，FPS也提升了近2倍。采用改进的YOLOv3方法训练得到的新模型，识别手势精度更高，检测速度更快，整体识别效率大幅提升，平衡了简单样本和困难样本的损失权重，有效提高了模型的训练质量和泛化能力。

关键词：计算机神经网络;YOLOv3;目标检测;手势识别;DIoU;Focal损失函数

中图分类号：TP391.9 文献标识码：A

文章编号：1008-1542（2021）01-0022-08

YOLOv3是一种多目标检测算法[1]，具有识别速度快、准确率高等优点，广泛用于目标检测中[2]。手作为信息表达的重要组成部分，近年来成为人们研究的重点[3]。随着人工智能技术的发展，越来越多的学者利用神经网络进行手势识别[4]。其中YOLOv3以其出色的检测性能，被应用在手势检测领域。例如：罗小权等[5]采用改进的K-means聚类算法，提高了YOLOv3对火灾的检测能力;陈俊松等[6]利用改进的YOLOv3特征融合方法，实现了对筷子毛刺的检测;张强[7]提出了基于YOLOv3的实时人手检测方法，通过改进anchor参数，快速检测出测试者摆出的手势;毛腾飞等[8]通过改进的YOLOv3检测尺度，实现了对人手功能的实时检测。……