摘要：针对手势识别算法识别性能较差、参数量大难以部署在移动设备上的问题,提出了一种适用于移动设备的轻量化手势识别算法。为满足手势多样化的需求,设计了一个具有12种手势的数据集;采用深度可分离卷积和倒置残差结构构建主干网络,降低了网络参数量;利用二值纹理图像训练方法,降低了实际环境中各类颜色对手势识别精度的影响。研究结果表明,该算法均值平均精度达93.5%,模型大小仅为0.6 MB,在搭载MTK9652的海信电视上的推理时间为24.7 ms,达到了实时手势识别标准。

摘要：现有的多尺度多阶段图像去模糊方法存在多尺度图像特征提取利用不充分和阶段加深导致特征信息丢失的问题。针对上述问题,提出了一种基于增强多尺度特征网络的图像去模糊方法。首先,提出一个多尺度残差特征提取模块,在两个分支中使用不同大小的卷积核扩大感受野,充分提取不同分辨率大小图像的特征信息。其次,提出跨阶段注意力模块,过滤和传递图像的关键特征。最后,设计类似于跳跃连接的跨阶段特征融合模块,弥补特征损失,同时融合来自不同大小输入图像的特征信息,丰富空间特征信息,以更好地处理纹理细节。在GoPro和HIDE数据集上的实验结果表明,所提方法能够很好地重建图像。