来源：期刊VIP网 时间：
作者：王大虎;侯伟华;张艳伟;张新科;
单位：河南理工大学电气工程与自动化学院;
摘要：为了提升车机手势交互场景中手势识别的精度，解决检测算法模型参数量大、检测速度慢的问题，本研究提出一种基于YOLOv8改进的轻量化车机交互手势识别模型。首先，使用Slim-neck模块改进YOLOv8模型的颈部网络，减少计算量的同时提高模型的特征表达能力。其次，引入共享卷积层的概念来改进检测头，实现检测头的轻量化设计，提高检测速度。同时，还增加CBAM(Convolutional Block Attention Module)注意力机制模块，提高模型对手势特征的感知能力和判别性；引入基于Inner-IoU的Inner-CIoU损失函数加速边界框回归，解决CIoU存在的泛化性弱和收敛速度慢的问题。最后，与常用的YOLO模型进行对比，以验证模型的优越性。实验结果表明，本研究提出的算法在自制数据集上优于其他模型，检测精确率为99.2%，推理速度达到了7ms，满足高精度和实时检测的设计需求。
关键词：YOLOv8;;轻量化;;手势识别;;Slim-neck;;CBAM;;Inner-CIoU
基金资助：国家自然科学基金——事件触发的数据驱动迭代学习控制及应用(No.62273133)
