手语信息检测方法、装置及相关设备与流程

本发明实施例涉及人工智能，尤其涉及一种手语信息检测方法、装置及相关设备。

背景技术：

1、随着人工智能和物联网技术的快速发展，人工智能技术在人们的生活中的应用范围也越来越广泛。当前人工智能技术可以用于识别手语信息，从而满足听障人士与普通人之间的交流需求。但是由于当前应用有人工智能技术的识别模型中的损失函数通常存在预测边界回归损失框陷入平台区域，导致无法快速向边界框回归的问题，可见，当前应用有人工智能技术的识别模型对手语信息的识别结果的准确度较低。

技术实现思路

1、本发明实施例提供一种手语信息检测方法、装置及相关设备，以解决当前应用有人工智能技术的识别模型对手语信息的识别结果的准确度较低的问题。

2、为解决上述问题，本发明是这样实现的：

3、第一方面，本发明实施例提供了一种手语信息检测方法，包括：

4、获取待检测图像，所述待检测图像中包括待检测手势；

5、将所述待检测图像输入至手语识别模型中进行识别，输出所述待检测手势对应的手语信息；

6、其中，所述手语识别模型为预先训练得到的，且用于识别手语信息的神经网络模型，所述手语识别模型的回归损失函数中包括边界回归框对应的函数。

7、第二方面，本发明实施例还提供一种手语信息检测装置，包括：

8、获取模块，用于获取待检测图像，所述待检测图像中包括待检测手势；

9、识别模块，用于将所述待检测图像输入至手语识别模型中进行识别，输出所述待检测手势对应的手语信息；

10、其中，所述手语识别模型为预先训练得到的，且用于识别手语信息的神经网络模型，所述手语识别模型的回归损失函数中包括边界回归框对应的函数。

11、第三方面，本发明实施例还提供一种电子设备，包括：收发机、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序；所述处理器，用于读取存储器中的程序实现如前述第一方面所述方法中的步骤。

12、第四方面，本发明实施例还提供一种可读存储介质，用于存储程序，所述程序被处理器执行时实现如前述第一方面所述方法中的步骤。

13、第五方面，本发明实施例还提供一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行时实现如上述第一方面所述方法中的步骤。

14、在本发明实施例中，由于手语识别模型为预先训练得到的，且用于识别手语信息的神经网络模型，手语识别模型的回归损失函数中包括边界回归框对应的函数，这样，可以解决当前应用有人工智能技术的识别模型中的损失函数通常存在的预测边界回归损失框陷入平台区域，导致无法快速向边界框回归的问题，从而增强了手语识别模型对手语信息的识别结果的准确度。

技术特征：

1.一种手语信息检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述手语识别模型的回归损失函数为ngiou损失函数，所述ngiou损失函数为将一般交并比giou损失函数中的被包围回归框对应的函数替换为边界回归框对应的函数之后得到的函数。

3.根据权利要求2所述的方法，其特征在于，所述手语识别模型的回归损失函数为：

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述手语识别模型的骨干backbone网络的子网络中包括多个残差块，每个残差块包括相互连接的cbl模型和scbam模型，所述scbam模型基于空间金字塔池化层spp网络和卷积注意力机制cbam模块融合得到。

5.一种手语信息检测装置，其特征在于，包括：

6.根据权利要求5所述的装置，其特征在于，所述手语识别模型的回归损失函数为ngiou损失函数，所述ngiou损失函数为将giou损失函数中的被包围回归框对应的函数替换为边界回归框对应的函数之后得到的函数。

7.根据权利要求6所述的装置，其特征在于，所述手语识别模型的回归损失函数为：

8.一种电子设备，包括：收发机、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序；其特征在于，所述处理器，用于读取存储器中的程序实现如权利要求1至4中任一项所述的手语信息检测方法中的步骤。

9.一种可读存储介质，用于存储程序，其特征在于，所述程序被处理器执行时实现如权利要求1至4中任一项所述的手语信息检测方法中的步骤。

10.一种计算机程序产品，其特征在于，包括计算机指令，所述计算机指令被处理器执行时实现如权利要求1至4中任一项所述的手语信息检测方法中的步骤。

技术总结
本发明提供一种手语信息检测方法、装置及相关设备，手语信息检测方法，包括：获取待检测图像，所述待检测图像中包括待检测手势；将所述待检测图像输入至手语识别模型中进行识别，输出所述待检测手势对应的手语信息；其中，所述手语识别模型为预先训练得到的，且用于识别手语信息的神经网络模型，所述手语识别模型的回归损失函数中包括边界回归框对应的函数。这样，可以解决当前应用有人工智能技术的识别模型中的损失函数通常存在的预测边界回归损失框陷入平台区域，导致无法快速向边界框回归的问题，从而增强了手语识别模型对手语信息的识别结果的准确度。

技术研发人员：张珂
受保护的技术使用者：中移（苏州）软件技术有限公司
技术研发日：
技术公布日：2024/5/9