謝淋東，仲志丹，喬棟豪，高辛洪

(河南科技大學(xué) 機(jī)電工程學(xué)院，河南 洛陽(yáng) 471003)

0 引 言

近年來(lái)，視覺(jué)識(shí)別技術(shù)飛速發(fā)展并廣泛地應(yīng)用于手勢(shì)識(shí)別中[1-2]。手勢(shì)分為靜態(tài)與動(dòng)態(tài)兩種，由于動(dòng)態(tài)手勢(shì)識(shí)別難度較高、實(shí)時(shí)性較差且可識(shí)別的手勢(shì)數(shù)量較少，無(wú)法滿足大量繁雜信息輸入的需求，所以目前的主要研究方向是靜態(tài)手勢(shì)的識(shí)別。用于靜態(tài)手勢(shì)識(shí)別方法大體分為兩種：一是基于傳統(tǒng)圖像特征和機(jī)器學(xué)習(xí)的方法[3]，此類(lèi)方法難以從復(fù)雜的背景中提取到有代表性的語(yǔ)義信息，識(shí)別精度普遍偏低。二是基于深度學(xué)習(xí)[4-5]的方法，如R-CNN(region with convolutional neural network)[6]模型、R-FCN(region-based fully convolutional networks)[7]模型、Faster R-CNN[8]模型、YOLO(you only look once)[9]模型、SSD[10]模型等，其中SSD模型因其具有較好的識(shí)別效果而備受青睞。然而SSD算法用于中小占比目標(biāo)識(shí)別時(shí)，識(shí)別效果一般，因此，很多學(xué)者改進(jìn)了SSD算法，例如Wen等[11]提出了一種改進(jìn)的SSD算法，即加入了Atrous[12]濾波器、SeLU激活函數(shù)以及引入一種數(shù)據(jù)規(guī)則來(lái)提高識(shí)別精度與速度。Tang等[13]基于原始的SSD算法，提出了一種多視窗的處理特征圖的方法，該方法利用多個(gè)窗口多個(gè)通路檢測(cè)中小占比目標(biāo)，但由于目標(biāo)的拆分，該方法存在魯棒性低等問(wèn)題。Fu等引入了一種特征提取能力更強(qiáng)的改進(jìn)型網(wǎng)絡(luò)，提出了DSSD(deconvolutional single shot detector)模型，與原有的SSD模型相比，特征融合能力有所加強(qiáng)，識(shí)別精度有所提高，但計(jì)算復(fù)雜度更高，從而存在耗時(shí)長(zhǎng)等問(wèn)題。

該文基于SSD模型，引入特征融合思想，以提高模型的語(yǔ)義表征能力，同時(shí)，改進(jìn)了損失函數(shù)，以提高目標(biāo)的分類(lèi)能力。

1 SSD手勢(shì)識(shí)別算法

SSD算法用于目標(biāo)識(shí)別時(shí)，以特征提取為基本思想，以金字塔特征結(jié)構(gòu)進(jìn)行信息的目標(biāo)識(shí)別。在VGG16網(wǎng)絡(luò)中，每一級(jí)的卷積特征圖用作本層的特征信息，即每一級(jí)卷積層的特征圖始終描述著該層獨(dú)有的特征信息，由于相鄰的兩個(gè)卷積層是相互獨(dú)立的，從而忽視了對(duì)其他層的特征信息進(jìn)行補(bǔ)充。

針對(duì)SSD算法存在的問(wèn)題，該文提出了一種多尺度卷積特征融合的SSD手勢(shì)識(shí)別算法。該算法基于原有SSD模型中多尺度卷積檢測(cè)方法，同時(shí)引入了不同卷積層的特征融合思想，將新融合成的特征層代替原有的卷積層用做目標(biāo)識(shí)別。此外，為了提升模型對(duì)目標(biāo)手勢(shì)的分類(lèi)能力，提出一種改進(jìn)的損失函數(shù)。

1.1 空洞卷積操作

在手勢(shì)識(shí)別過(guò)程中，手勢(shì)的特征圖通過(guò)卷積、池化等操作后，很可能出現(xiàn)深層語(yǔ)義特征層出現(xiàn)信息丟失的情況，最主要原因是僅有conv4_3層用于識(shí)別小占比目標(biāo),導(dǎo)致特征提取不充分，一旦某一級(jí)的卷積層信息出現(xiàn)丟失，則與此相關(guān)聯(lián)的另一卷積層也將受到影響，因此為了減少此類(lèi)影響，采用空洞卷積操作[14]?？斩淳矸e操作能擴(kuò)大卷積核的感受野范圍，且保證參數(shù)個(gè)數(shù)不變，進(jìn)行空洞卷積操作的特征層將學(xué)習(xí)到更多的上下文語(yǔ)義信息。

卷積核的感受野可由如下計(jì)算式得到：

Fdi=[2(di/2)+2-1]×[2(di/2)+2-1]

(1)

其中，di(dilation)表示空洞卷積操作時(shí)的不同擴(kuò)張值，即卷積核計(jì)算出的半徑值，F(xiàn)di表示不同感受野?？梢钥闯?，隨著dilation的增加，感受野明顯擴(kuò)大。

因此，通過(guò)空洞卷積操作，將淺層視覺(jué)特征層進(jìn)行空洞卷積下采樣操作，與高層的特征層作融合處理，并且保持通道數(shù)不變，以及進(jìn)行尺度的歸一化處理。

1.2 反卷積操作

在SSD模型中，中高層的特征圖具有更豐富的語(yǔ)義信息，而在識(shí)別中小占比的目標(biāo)時(shí)，淺層特征層所能學(xué)習(xí)到的語(yǔ)義信息有限，從而影響對(duì)此類(lèi)目標(biāo)的識(shí)別精度。因此，為了讓模型能夠?qū)W習(xí)到更多的上下文信息，采用反卷積操作。卷積操作實(shí)現(xiàn)的是對(duì)高維數(shù)據(jù)進(jìn)行低維特征提取，而反卷積操作與卷積操作的作用相反，它能夠?qū)⒌途S度特征映射成高維輸入。

反卷積操作利用轉(zhuǎn)置后的卷積核對(duì)特征圖像進(jìn)行處理，通過(guò)對(duì)輸入的特征圖像進(jìn)行填充補(bǔ)零，使得輸出的特征圖像尺寸大于輸入圖像的尺寸，最終能夠?qū)⑻卣鲌D像擴(kuò)大到原圖像的大小。假設(shè)輸入圖像大小為i、輸出圖像大小為o、邊緣擴(kuò)充為q、卷積核大小為w、步長(zhǎng)為p，通過(guò)卷積操作輸出的特征圖計(jì)算公式為：

o=[(i+2q-w)/p]+1

(2)

通過(guò)反卷積操作可將特征圖還原到原圖像大小，計(jì)算公式為：

I=p(o-1)+w-2q

(3)

因此，通過(guò)反卷積操作擴(kuò)大了卷積運(yùn)算之后輸入的特征圖的尺寸，同時(shí)也保留了更多的特征信息，提高了模型的特征表達(dá)能力。

該算法將利用在卷積層之后引入反卷積網(wǎng)絡(luò)以實(shí)現(xiàn)上采樣并學(xué)習(xí)的思想，實(shí)現(xiàn)將具有更豐富的語(yǔ)義的高層特征層融入到淺層特征層中，代替原有的淺層特征層用于手勢(shì)識(shí)別，且保持通道數(shù)不變，并對(duì)其進(jìn)行歸一化處理。

1.3 改進(jìn)的網(wǎng)絡(luò)結(jié)構(gòu)

針對(duì)原始的SSD算法中網(wǎng)絡(luò)結(jié)構(gòu)忽略了層與層之間的聯(lián)系，提出一種新的基于特征融合的網(wǎng)絡(luò)結(jié)構(gòu)。首先，基于原有的VGG16架構(gòu)，將conv4_3_c,conv7_c,conv8_2_c,conv9_2_c, conv10_2_c,conv11_2_c設(shè)置為預(yù)測(cè)的新特征層，之后，使用空洞卷積下采樣操作將淺層特征層融入到深層特征層中，從而使得模型能夠?qū)W習(xí)到更多的中小占比的目標(biāo)信息?？紤]到深層特征層所含語(yǔ)義信息較豐富的特點(diǎn)，通過(guò)引入反卷積網(wǎng)絡(luò)實(shí)現(xiàn)上采樣與學(xué)習(xí)的特征，將深層特征層融入到淺層特征層中。

基于上述思想，新融合的低特征層conv4_3_c由兩部分組成，第一部分使用擴(kuò)張值為1，步長(zhǎng)為1，大小為3×3的卷積核，通過(guò)conv4_3層自身的卷積運(yùn)算得到256個(gè)38×38的特征圖，這些特征圖的尺寸未發(fā)生變化。第二部分，使用大小為2×2，步長(zhǎng)為2，擴(kuò)張值為0的卷積核，通過(guò)conv7的反卷積上采樣操作得到256個(gè)38×38的特征圖，并且這些特征圖的尺寸增加了一倍。

新融合的特征層conv7_c由三部分構(gòu)成，第一部分使用大小為3×3，步長(zhǎng)為2，擴(kuò)張值為2的卷積核，由conv4_3通過(guò)空洞卷積下采樣操作生成256個(gè)19×19的特征圖，這些特征圖的尺寸縮小了一半。

第二部分使用步長(zhǎng)為1，擴(kuò)張值為1，尺寸為3×3的卷積核，由conv7通過(guò)自身的卷積運(yùn)算得到512個(gè)19×19的特征圖，此部分的特征圖的尺寸不變。第三部分使用步長(zhǎng)為2，擴(kuò)張值為1，尺寸為3×3的卷積核，由conv8_2通過(guò)反卷積上采樣操作得到的256個(gè)19×19的特征圖，特征圖增大了一倍。

新融合的conv8_2_c特征層與conv7_c融合類(lèi)似，由三個(gè)部分構(gòu)成，其中：第一部分使用尺寸為3×3，步長(zhǎng)為2，擴(kuò)張值為2的卷積核，由conv7通過(guò)空洞卷積下采樣方式生成，所得的特征圖尺寸縮小了一半。第二部分使用步長(zhǎng)為1，擴(kuò)張值為1，尺寸為3×3的卷積核，通過(guò)自身卷積操作得到。第三部分使用大小為2×2，步長(zhǎng)值為2，擴(kuò)張值為0的卷積核，由conv9_2_c通過(guò)反卷積上采樣操作提供的，特征圖尺寸增加一倍。

由于從conv9_2特征層開(kāi)始，每個(gè)特征層尺度過(guò)小，自身包含的語(yǔ)義信息較強(qiáng)，所以，在保證算法精度的情況下應(yīng)更多地考慮算法的檢測(cè)速度，因此對(duì)conv9_2層之后的特征層不做特征融合操作。新的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 新的網(wǎng)絡(luò)結(jié)構(gòu)

為了提高特征層的融合效果，對(duì)經(jīng)過(guò)融合處理之后的特征層，加入BatchNorm層[15]用以計(jì)算不同特征圖之間的偏差，再用Scale運(yùn)算進(jìn)行歸一化處理。針對(duì)特征融合處理的特征層維度不相等的問(wèn)題，使用1×1大小的卷積核進(jìn)行降維處理，之后再經(jīng)過(guò)一次BatchNorm運(yùn)算，最終得到的結(jié)果作為該特征層的特征輸出。

1.4 損失函數(shù)

SSD算法的損失函數(shù)是根據(jù)預(yù)測(cè)部分的輸出結(jié)果來(lái)設(shè)計(jì)的，其損失函數(shù)由置信度損失Lconf和位置損失Lloc組成，公式如下：

L(y,f,c,r)=n(Lconf(y,f)+βLloc(y,c,r))

(4)

(5)

(6)

其中，n=1/N，N表示與真實(shí)框匹配后的剩余個(gè)數(shù)。Lconf(y,f)表示置信度損失，Lloc(y,c,r)表示位置損失，β是位置損失的整體占比，即權(quán)重，位置損失一般運(yùn)用smoothL1Loss計(jì)算得出；當(dāng)預(yù)測(cè)框與真實(shí)框相互匹配時(shí)，y的值設(shè)為1，反之為0；c和r分別表示預(yù)測(cè)框和真實(shí)框的位置信息；f表示預(yù)測(cè)框的目標(biāo)分類(lèi)。

SSD在檢測(cè)過(guò)程中，檢測(cè)框所能檢測(cè)到的目標(biāo)時(shí)為正樣本，反之則為負(fù)樣本，對(duì)于中小占比的目標(biāo)手勢(shì)而言，在一張圖像中，目標(biāo)手勢(shì)的占比很小，正樣本數(shù)量遠(yuǎn)小于負(fù)樣本數(shù)量，直接導(dǎo)致了分類(lèi)性能差等問(wèn)題，從而影響檢測(cè)的精度與速度。因此，針對(duì)由于正負(fù)樣本不平衡導(dǎo)致模型分類(lèi)性能差的問(wèn)題，該文用改進(jìn)的交叉熵?fù)p失函數(shù)IL(pt)代替了Lconf標(biāo)準(zhǔn)的交叉熵?fù)p失函數(shù)，公式如下：

CE(pt)=-ln(pt)

(7)

IL(pt)=-(1-βt)ηεln(pt)

(8)

其中，η=(pt-1)2，pt表示不同類(lèi)別的分類(lèi)置信度，且pt∈[0,1]。SI(pt)比CE(pt)多了βt和(1-pt)ε，βt為權(quán)重參數(shù)，在傳統(tǒng)模型中βt=0，但很容易導(dǎo)致正負(fù)樣本不均衡的問(wèn)題。為了解決這個(gè)問(wèn)題，對(duì)于正負(fù)樣本的βt值設(shè)定進(jìn)行區(qū)分，對(duì)于負(fù)樣本，需要把βt設(shè)置為一個(gè)較小的值，用來(lái)平衡置信度損失和位置損失的比例。為了優(yōu)化負(fù)樣本的算法學(xué)習(xí)模型，將權(quán)重系數(shù)β設(shè)為0.1。ηε稱(chēng)為調(diào)制項(xiàng)，它反映了算法的分類(lèi)能力，且pt∈[0,1]，當(dāng)pt的值接近于0時(shí)，算法將重點(diǎn)放在難以分類(lèi)的目標(biāo)數(shù)據(jù)上。否則，它將側(cè)重于易于分類(lèi)的目標(biāo)數(shù)據(jù)。如圖2所示，以pt為橫軸，以loss為縱軸，繪制pt與loss的圖像，從圖中可以看出，隨著pt的增加，分類(lèi)手勢(shì)的損失逐漸趨近于0，即損失在總損失中所占的比例越小，并且ε越大，分類(lèi)損失減小的速度越快，分類(lèi)能力越強(qiáng)。

圖2 損失函數(shù)變化

2 實(shí)驗(yàn)與結(jié)果分析

2.1 實(shí)驗(yàn)環(huán)境準(zhǔn)備

提出的手勢(shì)識(shí)別算法以Python語(yǔ)言作為實(shí)驗(yàn)框架，實(shí)驗(yàn)所使用的計(jì)算機(jī)配置為：Windows 10 64 位操作系統(tǒng)，處理器(CPU)型號(hào)為Intel i7，內(nèi)存為16 GB，顯卡(GPU)為NVIDIA GTX1080Ti。實(shí)驗(yàn)中所使用的各個(gè)軟件版本為：Visual Studio 2016、Anaconda3、CUDA 9.0、Python 3.6.4、Tensorflow1.9.0。

最后，在集成環(huán)境上安裝如pandas、nose等Python的第三方庫(kù)及Keras、Tensorflow Research Models 等深度學(xué)習(xí)的API，以降低實(shí)驗(yàn)的實(shí)施難度。

2.2 數(shù)據(jù)集描述

實(shí)驗(yàn)所使用的數(shù)據(jù)集為MSRC-12 Kinect Gesture Dataset及2013 Chalearn Gesture Challenge Dataset，這兩個(gè)數(shù)據(jù)集均是從實(shí)際場(chǎng)景收集得到的，手勢(shì)屬于中小占比目標(biāo)。其中，MSRC-12 Kinect Gesture Dataset數(shù)據(jù)集包含12個(gè)不同手勢(shì)，4 900張圖片，從每種手勢(shì)中隨機(jī)選取400張圖片，共4 800張圖片。為了使實(shí)驗(yàn)更有說(shuō)服力，選取數(shù)據(jù)庫(kù)更為龐大，且場(chǎng)景更為復(fù)雜的2013 Chalearn Gesture Challenge Dataset數(shù)據(jù)集，共包含20種不同手勢(shì)，圖片總量達(dá)11 000張，每種手勢(shì)隨機(jī)選取400張，共8 000張圖片，最終將兩個(gè)數(shù)據(jù)集的12 800張照片共32種不同手勢(shì)，以5∶3∶2的比例劃分為訓(xùn)練集、測(cè)試集和驗(yàn)證集。

2.3 模型訓(xùn)練過(guò)程中的參數(shù)選擇與優(yōu)化

訓(xùn)練數(shù)據(jù)經(jīng)過(guò)左右翻轉(zhuǎn)和隨機(jī)采樣實(shí)現(xiàn)數(shù)據(jù)增強(qiáng)，隨機(jī)采樣最小的Jaccard overlap值為0.5，訓(xùn)練集與測(cè)試集的尺寸均等比例縮小為300*300大小，使用限制學(xué)習(xí)率的動(dòng)態(tài)自適應(yīng)梯度法[16]來(lái)訓(xùn)練。網(wǎng)絡(luò)訓(xùn)練過(guò)程中，為了使BatchNorm在訓(xùn)練過(guò)程中有穩(wěn)定的計(jì)算結(jié)果，參考文獻(xiàn)[17]及現(xiàn)有的實(shí)驗(yàn)平臺(tái)，實(shí)驗(yàn)開(kāi)始時(shí)，將batch_size設(shè)置為16，動(dòng)量因子設(shè)置為0.9，初始學(xué)習(xí)速率設(shè)置為10-3，權(quán)重設(shè)置為0.000 5，模型訓(xùn)練的時(shí)候使用回調(diào)函數(shù)觀測(cè)val_loss，耐心值patience設(shè)置為15，當(dāng)val_loss經(jīng)過(guò)15個(gè)epoch不下降時(shí)，學(xué)習(xí)速率降低10倍。模型訓(xùn)練過(guò)程中的 training loss如圖3所示，經(jīng)過(guò)144個(gè)epoch訓(xùn)練后learning_rate從10-3降低為10-4，200個(gè)epoch后模型收斂。

圖3 訓(xùn)練損失值

2.4 測(cè)試結(jié)果

為了驗(yàn)證提出的改進(jìn)算法在對(duì)中小占比手勢(shì)識(shí)別上的可行性和優(yōu)越性，選取了目標(biāo)完整度(COM)、全局精度(Global Acc)、IOU[18]以及FPS作為本次實(shí)驗(yàn)的評(píng)價(jià)指標(biāo)。

其中，目標(biāo)完整度表示預(yù)測(cè)框中標(biāo)記目標(biāo)圖像占整個(gè)圖像的比例；全局精度表示對(duì)目標(biāo)手勢(shì)正確分類(lèi)的結(jié)果；IOU表示錯(cuò)誤識(shí)別的目標(biāo)手勢(shì)的情況，是一種測(cè)量在某一數(shù)據(jù)集中檢測(cè)的相應(yīng)物體準(zhǔn)確度的標(biāo)準(zhǔn)；FPS表示處理目標(biāo)圖像的速度，每秒內(nèi)可以處理的圖片數(shù)量。

為了探究訓(xùn)練集對(duì)評(píng)價(jià)指標(biāo)的影響，從訓(xùn)練集中隨機(jī)挑選20%、40%、60%、80%、100%構(gòu)成5個(gè)新的訓(xùn)練集，基于這5個(gè)訓(xùn)練集訓(xùn)練模型，在檢測(cè)集上進(jìn)行檢測(cè)，觀察不同訓(xùn)練集上的檢測(cè)效果，檢測(cè)精度如表1所示。

表1 檢測(cè)精度

如表1所示，隨著訓(xùn)練集比例的增加，即訓(xùn)練集數(shù)據(jù)增多，目標(biāo)的檢測(cè)效果也越好，最好的檢測(cè)效果是訓(xùn)練集比例達(dá)100%時(shí)。此外，當(dāng)在比例為60%訓(xùn)練集訓(xùn)練時(shí)，檢測(cè)效果已達(dá)到較高的檢測(cè)水平，再往后提高訓(xùn)練集比例，識(shí)別效果提升幅度很小，因此，可以看出該算法具有較強(qiáng)的特征提取能力，在一定比例的訓(xùn)練集上，就能達(dá)到較好的檢測(cè)效果,從而驗(yàn)證其具有較高的魯棒性等特點(diǎn)。

為了更好地驗(yàn)證識(shí)別效果，選出常用于目標(biāo)檢測(cè)識(shí)別的Faster R-CNN算法、YOLO算法與SSD算法與文中算法(Our1)作對(duì)比，此外，分別對(duì)僅改進(jìn)了網(wǎng)絡(luò)結(jié)構(gòu)的算法(Our2)與僅改進(jìn)了損失函數(shù)的算法(Our3)驗(yàn)證改進(jìn)效果。該實(shí)驗(yàn)在100%比例的訓(xùn)練集上訓(xùn)練模型，最終在測(cè)試集上觀察測(cè)試效果，測(cè)試結(jié)果如表2所示，圖4為文中算法對(duì)部分?jǐn)?shù)據(jù)集測(cè)試的效果圖。

表2 不同算法的測(cè)試結(jié)果

圖4 檢測(cè)效果

如表2所示，在目標(biāo)完整度(COM)、全局精度(Global Acc)、IOU這三個(gè)指標(biāo)中，F(xiàn)aster R-CNN識(shí)別效果最佳，文中所提出的方法識(shí)別精度與其相當(dāng)，而SSD算法與YOLO算法在用于中小占比的手勢(shì)檢測(cè)中，識(shí)別精度較為一般，即通過(guò)多尺度卷積特征融合的方式改進(jìn)SSD模型的網(wǎng)絡(luò)結(jié)構(gòu)，一定程度上能夠提高識(shí)別精度。對(duì)于與檢測(cè)速度有關(guān)的FPS指標(biāo)，SSD算法的FPS值最高，為40，文中算法為31，即在進(jìn)行特征融合時(shí)，一定程度上會(huì)增加網(wǎng)絡(luò)的復(fù)雜度，從而影響模型的檢測(cè)速度，此外，檢測(cè)精度最高的Faster R-CNN卻為9，檢測(cè)目標(biāo)圖像的速度最慢，YOLO算法檢測(cè)速度較為一般。

綜合這四項(xiàng)指標(biāo)及實(shí)際場(chǎng)景中對(duì)手勢(shì)識(shí)別有著較高的識(shí)別精度與識(shí)別速度的需要，文中算法最優(yōu)，即使Faster R-CNN算法的識(shí)別精度高，但卻是以犧牲大量的檢測(cè)速度實(shí)現(xiàn)的。為了提高對(duì)中小占比手勢(shì)目標(biāo)的識(shí)別精度，對(duì)SSD網(wǎng)絡(luò)結(jié)構(gòu)的卷積層進(jìn)行空洞卷積操作與反卷積操作，將部分特征層進(jìn)行融合，構(gòu)建新的融合網(wǎng)絡(luò)結(jié)構(gòu)以代替原有的VGG-16網(wǎng)絡(luò)結(jié)構(gòu)用于手勢(shì)識(shí)別，同時(shí)，在檢測(cè)中小目標(biāo)時(shí)，正負(fù)樣本不均衡導(dǎo)致的分類(lèi)性能差，從而影響檢測(cè)精度與速度，對(duì)此改進(jìn)了損失函數(shù)，將改進(jìn)的交叉熵?fù)p失函數(shù)IL(pt)代替Lconf標(biāo)準(zhǔn)的交叉熵?fù)p失函數(shù)，以此提高了網(wǎng)絡(luò)對(duì)目標(biāo)手勢(shì)的分類(lèi)能力。對(duì)于conv_9_c層之后的語(yǔ)義信息較豐富的卷積層不做特征融合處理，以減輕網(wǎng)絡(luò)的冗雜度達(dá)到輕量化的目的，但也因此犧牲部分的檢測(cè)精度。

為了使模型更具有說(shuō)服力，分別測(cè)試了僅改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)的算法(Our2)與僅改進(jìn)損失函數(shù)的算法(Our3),對(duì)于Our2算法，主要通過(guò)特征融合的思想提高目標(biāo)的識(shí)別精度，與SSD算法相比，較大程度提高了識(shí)別精度，但也犧牲了部分識(shí)別速度，而對(duì)于Our3算法，通過(guò)改進(jìn)損失函數(shù)，提高模型的分類(lèi)性能，與SSD算法相比，一定程度提高識(shí)別精度的同時(shí)，提高了模型的識(shí)別速度。因此，基于SSD網(wǎng)絡(luò)架構(gòu)，通過(guò)改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)與改進(jìn)的損失函數(shù)，均能在對(duì)中小占比的目標(biāo)識(shí)別過(guò)程中，保證一定水平的檢測(cè)速度，同時(shí)提高目標(biāo)識(shí)別精度。

3 結(jié)束語(yǔ)

提出了一種多尺度卷積特征融合的SSD手勢(shì)識(shí)別方法。在原始的SSD多尺度特征卷積的基礎(chǔ)上，引入了特征融合的思想，即對(duì)淺層視覺(jué)特征層與高層語(yǔ)義特征層作融合處理，以此使模型能夠?qū)W習(xí)到更多的特征信息，提高模型對(duì)中小占比手勢(shì)的識(shí)別精度，此外，提出一種改進(jìn)的損失函數(shù)，使模型更側(cè)重于分類(lèi)損失，以便該算法更好地完成分類(lèi)任務(wù)。在實(shí)際應(yīng)用場(chǎng)合中，對(duì)于手勢(shì)識(shí)別系統(tǒng)有著識(shí)別精度高和魯棒性好的需求，提出的方法能夠在保證較高水平的檢測(cè)速度的同時(shí)，具有更高的檢測(cè)精度與魯棒性。