软件杯 深度学习手势识别算法实现 - opencv python

1 前言

🔥 优质竞赛项目系列，今天要分享的是

🚩 深度学习手势识别算法实现 - opencv python

该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！

🥇学长这里给一个题目综合评分(每项满分5分)

• 难度系数：3分
• 工作量：3分
• 创新点：4分

🧿 更多资料, 项目分享：

https://gitee.com/dancheng-senior/postgraduate

2 项目背景

手势识别在深度学习项目是算是比较简单的。这里为了给大家会更好的训练。其中的数据集如下：

3 任务描述

图像分类是根据图像的语义信息将不同类别图像区分开来，是计算机视觉中重要的基本问题。手势识别属于图像分类中的一个细分类问题。虽然与NLP的内容其实没有多大的关系，但是作为深度学习，DNN是一个最为简单的深度学习的算法，它是学习后序CNN、RNN、Lstm以及其他算法深度学习算法的基础。

实践环境：Python3.7，PaddlePaddle1.7.0。

用的仍然是前面多次提到的jupyter notebook，当然我们也可以用本地的pycharm。不过这里需要提醒大家，如果用的是jupyter
notebook作为试验训练，在实验中会占用很大的内存，jupyter
notebook默认路径在c盘，时间久了，我们的c盘会内存爆满，希望我们将其默认路径修改为其他的路径，网上有很多的修改方式，这里限于篇幅就不做说明了。这里需要给大家简要说明：paddlepaddle是百度
AI Studio的一个开源框架，类似于我们以前接触到的tensorflow、keras、caffe、pytorch等深度学习的框架。

4 环境搭配

首先在百度搜索paddle，选择你对应的系统(Windows、macOs、Ubuntu、Centos)，然后选择你的安装方式(pip、conda、docker、源码编译)，最后选择python的版本(Python2、python3)，但是一般选择python3。

左后先则版本(GPU、CPU)，但是后期我们用到大量的数据集，因此，我们需要下载GPU版本。，然后将该命令复制到cmd终端，点击安装，这里用到了百度的镜像，可以加快下载安装的速度。

​

python -m pip install paddlepaddle-gpu==1.8.3.post107 -i https://mirror.baidu.com/pypi/simple

学长电脑是window10系统，用的是pip安装方式，安装的版本是python3，本人的CUDA版本是CUDA10，因此选择的示意图以及安装命令如图所示。这里前提是我们把GPU安装需要的环境配好，网上有很多相关的文章，这里篇幅有限，就不进行展开叙述了。

环境配好了，接下来就该项目实现。

5 项目实现

5.1 准备数据

首先我们导入必要的第三方库。

​

import os
import time
import random
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
import paddle
import paddle.fluid as fluid
import paddle.fluid.layers as layers
from multiprocessing import cpu_count
from paddle.fluid.dygraph import Pool2D,Conv2D
from paddle.fluid.dygraph import Linear

该数据集是学长自己收集标注的数据集(目前较小)：包含0-9共就种数字手势，共2073张手势图片。

图片一共有3100100张，格式均为RGB格式文件。在本次实验中，我们选择其中的10%作为测试集，90%作为训练集。通过遍历图片，根据文件夹名称，生成label。

我按照1:9比例划分测试集和训练集，生成train_list 和 test_list，具体实现如下：

​

data_path = '/home/aistudio/data/data23668/Dataset' # 这里填写自己的数据集的路径，windows的默认路径是\，要将其路径改为/。
character_folders = os.listdir(data_path)
print(character_folders)
if (os.path.exists('./train_data.list')):
    os.remove('./train_data.list')
if (os.path.exists('./test_data.list')):
    os.remove('./test_data.list')
for character_folder in character_folders:

    with open('./train_data.list', 'a') as f_train:
        with open('./test_data.list', 'a') as f_test:
            if character_folder == '.DS_Store':
                continue
            character_imgs = os.listdir(os.path.join(data_path, character_folder))
            count = 0
            for img in character_imgs:
                if img == '.DS_Store':
                    continue
                if count % 10 == 0:
                    f_test.write(os.path.join(data_path, character_folder