一、数据集与基线实验设置实验数据集实验采用自定义手势数据集包含 18 个常见手势类别总计约 2000 张标注图像。数据集涵盖不同光照、不同角度、不同距离的手势样本类别分布相对均衡中等尺寸目标占比约 75%符合日常交互场景的真实分布。数据集按照 92:4:4 的比例划分为训练集、验证集和测试集划分过程采用分层抽样保证各子集的类别分布一致避免划分偏差影响实验结论。基线模型与训练参数基线模型采用 YOLOv11n训练参数保持统一输入尺寸640×640批次大小16训练轮次150 epoch优化器SGD初始学习率0.01早停耐心值100置信度阈值0.5所有实验均在相同硬件环境下进行RTX 3080 GPU保证实验结果的可比性。评价指标采用 mAP0.5、Precision、Recall 三项核心检测指标。二、待对比增强方案设计选取目标检测中常用的六类增强策略进行分组对比实验每组实验仅改变对应增强参数其余条件保持与基线一致。HSV 色彩空间增强通过调整图像的色相、饱和度、明度三个通道的数值模拟不同光照、不同环境色调的场景。实验设置三组不同强度的参数对比其对精度的影响。几何变换增强包含随机水平翻转、随机平移、随机缩放三种基础几何变换模拟不同拍摄角度和距离的目标形态。Mosaic 增强将四张图像随机裁剪拼接为一张新图像同时丰富目标尺度与背景信息是 YOLO 系列的经典增强手段。MixUp 增强按比例混合两张图像的像素值与标注标签提升模型对目标边界的模糊容忍度增强鲁棒性。随机擦除增强随机擦除图像中的部分区域模拟目标被遮挡的场景提升模型在遮挡场景下的检测能力。多尺度训练训练过程中随机切换输入图像尺寸480/640/800提升模型对不同尺度目标的适应性。三、对比实验与结果分析通过控制变量法逐一验证各增强策略的效果实验结果如下表所示增强方案 mAP0.5 精确率 召回率 相对基线提升基线无增强 0.942 0.958 0.921 -HSV 色彩增强 0.965 0.972 0.948 2.3%几何变换增强 0.971 0.976 0.957 2.9%Mosaic 增强 0.982 0.981 0.970 4.0%MixUp 增强 0.976 0.974 0.968 3.4%随机擦除增强 0.958 0.966 0.942 1.6%多尺度训练 0.978 0.980 0.965 3.6%从实验结果可以得出以下结论Mosaic 增强对本场景的精度提升最为显著达到 4.0%说明丰富背景与尺度信息对手势识别任务增益明显。多尺度训练和 MixUp 增强也能带来 3% 以上的精度提升有效提升模型的尺度适应性和边界鲁棒性。基础的 HSV 和几何变换同样有稳定增益是成本最低的增强手段。随机擦除增强的增益相对有限主要原因是手势目标通常占据画面比例较大遮挡场景在本任务中出现概率较低。四、最优组合方案实现在单策略验证的基础上组合增益最高的四种增强策略形成最优增强方案并验证组合效果。最终组合方案的配置代码如下手势识别场景最优数据增强配置best_aug_config {# HSV色彩调整‘hsv_h’: 0.015,‘hsv_s’: 0.7,‘hsv_v’: 0.4,# 几何变换 degrees: 0.0, translate: 0.1, scale: 0.5, fliplr: 0.5, # 高级增强组合 mosaic: 1.0, mixup: 0.15, # 多尺度训练范围 imgsz: 640, multi_scale: True}采用该组合方案后模型在测试集上的 mAP0.5 达到 0.990相比基线提升 4.8%精确率 0.987召回率 0.975各项指标均达到优秀水平能够满足实时交互场景的精度要求。五、泛化性验证为验证最优增强方案的泛化性额外采集了 50 张复杂环境下的测试样本包含强光、弱光、部分遮挡、复杂背景等场景进行跨场景测试。测试结果显示采用最优增强方案的模型在复杂场景下的 mAP0.5 仍能达到 0.926相比基线模型的 0.853 提升 7.3%说明该增强组合有效提升了模型的环境适应性和泛化能力并非仅在测试集上过拟合。六、总结与适用场景本文针对手势识别检测场景通过控制变量实验量化对比了六种常用数据增强策略的精度增益确定了以 Mosaic 为核心、结合多尺度训练与 MixUp 的最优增强组合方案将模型 mAP0.5 从 0.942 提升至 0.990同时显著提升了复杂场景下的泛化能力。