1.算法运行效果图预览

(完整程序运行后无水印)

手语Howareyou，测试识别结果如下：

手语Iamfine，测试识别结果如下：

手语Iloveyou，测试识别结果如下：

2.算法运行软件版本

matlab2022a

3.部分核心程序

（完整版代码包含详细中文注释和操作步骤视频）

`%%

Dataset=imageDatastore('手语I_Love_you识别测试','IncludeSubfolders',true,'LabelSource','foldernames');

%提取输入图像的尺寸

Input_Layer_Size=net.Layers(1).InputSize(1:2);

%调整图像大小以适应模型输入

Resized_Dataset = augmentedImageDatastore(Input_Layer_Size,Dataset);

[Predicted_Label,Probability]=classify(net,Resized_Dataset);

Predicted_Label

figure;

for i=1:length(Predicted_Label)

label=Predicted_Label(i);

I = imread(Resized_Dataset.Files{i});

if i==1

subplot(3,4,i);

imshow(I)

title(string(label)+","+num2str(100*max(Probability((i),:)),3)+"%");

end

if i>1 & i<=5

subplot(3,4,i+3);

imshow(I)

title(string(label)+","+num2str(100*max(Probability((i),:)),3)+"%");

end

if i>5

subplot(3,4,i+3);

imshow(I)

title(string(label)+","+num2str(100*max(Probability((i),:)),3)+"%");

end

end

178`

4.算法理论概述

基于GoogleNet深度学习网络的手语识别算法，是一种利用卷积神经网络（Convolutional Neural Networks, CNN）来识别手语手势的方法。GoogleNet，也被称为Inception v1，是2014年在ImageNet Large Scale Visual Recognition Challenge (ILSVRC)上取得优异成绩的一种CNN架构。它引入了Inception模块，这是一种设计用来增加网络的宽度同时保持计算效率的设计。

GoogleNet的核心是Inception模块，每个模块由一系列并行的卷积层组成，这些卷积层有不同的感受野大小（例如1x1, 3x3, 5x5）。这种多尺度处理方式允许网络在同一层级上捕获不同级别的特征。此外，1x1卷积层被用来减少输入到较大卷积层之前的通道数，从而减少了计算量。

在训练过程中，一般采用交叉熵损失（Cross-Entropy Loss），用于衡量预测概率分布与真实标签之间的差异。对于单个样本xi及其对应的真实标签yi，其损失函数定义为：