基于改进YOLOv8算法的交警指挥手势识别

中文关键词: 实时性  YOLOv8  交警指挥手势  自动驾驶  轻量化

中文摘要:

      针对目前手势识别算法存在模型复杂度高，计算量大、实时性差等问题，文章提出了一种基于改进YO⁃LOv8算法的交警指挥手势识别方法，为自动驾驶领域提供更好的技术支持。首先在骨干网络引入Vanillanet轻量化模型，减小了模型的参数量，降低了模型的复杂度，使其检测速度大幅提升。然后在特征融合网络引入轻量级的通用上采样算子CARAFE，增强感受野，得到了更加丰富的语义信息。最后引入了轻量但有效的注意力机制Trip⁃let Attention，很好地平衡了检测速度和检测精度。实验结果表明，与原YOLOv8相比，文章算法在保持高检测精度的同时，模型参数量Parameters下降了30.0%、计算量GFLOPs和模型体积缩减了80.2%和28.3%，FPS提高了14.3帧，更有利模型部署到算力低、功耗小的车载设备等平台上。

英文摘要: