基于改进特征提取网络和YOLO V2的手势识别

• 作者: 冯艳君 刘中越 刘军 周台典 夏伟翔 张艳迪
• 来源期刊: 电子世界
• 年，卷（期）: 2020,（19）
• 所属期刊栏目: 技术交流
• 页码范围: 198-200
• 页数: 3页
• 语种: 中文

摘要

在使用深度卷积网络提取目标图像特征时,卷积网络深度和宽度决定网络性能,与浅层网络相比,深层网络特征提取效果更佳.但由于网络过深,导致误差梯度在反向传播时不能有效指导前层网络权重的更新方向,导致网络训练时间加长和拟合能力变弱.将残差网络结构加入到基于YOLO v2的特征提取网络中,并通过手势识别试验数据验证改进特征提取网络的性能.实验结果表明,在原有的特征提取网络加入残差结构能够有效地提高深度卷积网络模型的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘军		38	144	7.0	10.0
2	冯艳君		14	71	5.0	8.0
3	张艳迪		2	1	1.0	1.0
4	夏伟翔		3	1	1.0	1.0
5	周台典		1	0	0.0	0.0
6	刘中越		1	0	0.0	0.0