苏 静，刘兆峰，王 嫄，冯柯翔，王晓薇

(天津科技大学人工智能学院，天津 300457)

计算机视觉技术正逐步进入人们日常生活，并推动着人机交互领域的升级和进化．基于手势的人机交互中一个非常重要的环节是手势识别．目前已实现的手势识别算法包括基于模板匹配、基于数据手套以及基于隐马尔科夫模型等．但是，这些算法存在工序复杂、设备昂贵、计算量大等问题，导致训练模型的泛化能力差，因此很难达到实时检测的目的．基于计算机视觉的手势识别方法可以有效克服传统方法的弊端，YOLO(you only look once)算法的出现，在目标检测领域取得极佳的检测效果[1]．

目标检测是一个从深度学习快速发展中受益匪浅的领域，近年来人们实现了许多目标检测算法，包括Faster RCNN算法[2]、SSD算法[3]、Mask-RCNN算法[4]和RetinalNet算法等[5]．YOLO算法是目标检测中one-stage的开山之作，开辟性地将物体检测任务直接作为回归问题处理，直接将候选和检测两个阶段合而为一，“只需要看一眼”就可以知道在每张图片中有哪些物体以及物体的位置．相较于之前的物体检测方法，YOLO算法在保证一定的检测准确率的前提下达到了实时检测的速度．

在实验中将原始版本的YOLOv3算法[6]应用于手势实时识别领域，虽然可以取得较好的效果，平均准确率(mAP)达到96.36%，准确率为98.06%，但召回率仅为81.59%，在检测的精度和速度上还有一定的提升空间，并且由于训练集数量和GPU显存的限制，导致训练时间过长．

为了解决上述问题，本文提出对YOLOv3算法进行改……