简单的手势控制图片切换，没有添加动画效果

肌电信号数据集（一共16种手势动作）

这是Android实时手势动作识别APP Demo，原文链接：https://panjinquan.blog.csdn.net/article/details/126994546 ， 考虑到原始YOLOv5的模型计算量比较大，鄙人在YOLOv5s基础上，开发了一个非常轻量级的的手势识别模型yolov5s05。从效果来看，Android手势识别Demo性能还是顶呱呱的，平均精度平均值mAP_0.5=0.99421，mAP_0.5:0.95=0.82706。APP在普通Android手机上可以达到实时的手势识别效果，CPU(4线程)约30ms左右，GPU约25ms左右 ，基本满足业务的性能需求

《基于YOLOv5的手势识别系统(含手势识别数据集+训练代码)》：https://panjinquan.blog.csdn.net/article/details/126750433 ， 手势识别（HGR）作为人机交互的一部分，在汽车领域、家庭自动化系统、各种视频/流媒体平台等领域具有广泛的实际应用。本篇博客，将基于YOLOv5搭建一个手势识别目标检测系统，支持one,two,ok等18种常见的通用手势动作识别，目前基于多目标检测的手势识别方法mAP_0.5=0.99569，mAP_0.5:0.95=0.87605，基本满足业务的性能需求。手势识别 动作识别 手势动作识别 手势识别数据集 yolov5

python，人工神经网络（ann），报告

python编程，深度学习，卷积神经网络，myo

利用卷积神经网络实时识别手势动作 一共识别5种手势动作 剪刀动作 2.石头动作 3.布动作 4.OK动作 5.good动作 项目文件 项目文件列表如下： data：存放训练集、测试集，实时保存的图像（用于在线检测）。 ges_ico：存放UI窗口使用的各种图标。 log：存放训练的CNN网络的模型参数。 CallFrame.py：界面窗口的逻辑文件，用来调用界面文件并编写信号与槽函数。 Frame.py：界面窗口的界面文件，通过PyQt5的designer工具生成。 GetTestImage.py：利用OpenCV获取图片并标记，用来制作测试集。 GetTrainImage.py：利用OpenCV获取图片并标记，用来制作训练集。 SaveGesture.py：利用OpenCV实时获取图片，并进行预处理，用于在线检测手势。 TestGesture.py：将实时获取的图片送入已训练好的C

基于深度学习模型的表面肌电信号手势动作识别算法研究.pdf

OPENCV手势动作识别-石头剪刀布，OpenCV3.0版本，VS2012完美运行。