一种基于深度学习的轻量级手势识别方法

摘要

本发明公开了一种基于深度学习的轻量级手势识别方法，属于人工智能技术领域。所述方法包括以下步骤：在手部检测阶段，提出了改进的MobileNetv2‑YOLOv3网络结构，在保证准确率的同时大幅度减小模型的参数量以及计算量；在手部关键点检测阶段，提出了基于注意力的选择性手势蒸馏方法(Attention‑based Selective Hand Distillation,ASHD)，首先设计表达能力强、参数量大的知识网络(Teacher Model,T)和轻量型基础网络(Student Model,S)，然后通过基于注意力的手势蒸馏方法有选择的迁移知识网络的结构化知识，联合真实标签共同训练参数量少的基础网络；在手势分类阶段，采用ResNet作为基础网络，同时结合一系列tricks来提高模型的泛化能力。本发明所述方法用来设计一种轻量化模型，在保证准确率的同时降低计算量，能够部署在算力要求不大的嵌入式设备上。