申请/专利权人:沈阳建筑大学
申请日:2022-08-26
公开(公告)日:2023-03-28
公开(公告)号:CN115862127A
主分类号:G06V40/20
分类号:G06V40/20;G06N3/0464;G06N3/08;G06V10/764;G06V10/774;G06V10/82
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.04.14#实质审查的生效;2023.03.28#公开
摘要:本发明公开了一种基于CBC分类器的Attention‑YOLOv5网络手势识别方法,包括:基于制作的手势图像数据集和标签,训练得到YOLOv5网络模型;在YOLOv5网络模型中添加CBMA模块,使得重要目标特征占有更大处理比重,并训练得到Attention‑YOLOv5网络模型;建立基于R‑vineCopula改进的CBC分类器,CBC分类器接于YOLOv5的输出端;获取待识别手势图像,并基于YOLOv5网络模型和改进的CBC分类器检测识别,输出结果。本发明通过引入注意力机制,改善了YOLOv5目标检测网络特征差异不敏感问题。使用R‑vineCopula模型改进朴素贝叶斯分类器,CBC分类器保留属性间相关性,解决图片分类精度缺失问题。相比于之前的YOLOv5网络,本发明的精确度、平均精度和召回率都得到显著提升。
主权项:1.一种基于CBC分类器的Attention-YOLOv5网络手势识别方法,其特征在于,包括:S1:基于制作的手势图像数据集和标签,训练得到YOLOv5网络模型;S2:在YOLOv5网络模型中添加CBMA模块,使得重要目标特征占有更大处理比重,并训练得到Attention-YOLOv5网络模型;S3:建立基于R-vineCopula改进的CBC分类器,CBC分类器接于YOLOv5的输出端;S4:获取待识别手势图像,并基于YOLOv5网络模型和改进的CBC分类器检测识别,输出结果。
全文数据:
权利要求:
百度查询: 沈阳建筑大学 一种基于CBC分类器的Attention-YOLOv5网络手势识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。