训练一个手势分类器

实验目的

体验监督学习中训练、测试的完整流程，认识样本质量对结果的影响。

实验原理

监督学习用带标签的样本训练模型：为每种手势提供若干样本并标明类别，模型从中提取特征、调整参数，使预测结果尽量接近标签。训练完成后，模型对新手势做出预测并给出类别。样本越多样，模型对新情况的适应性通常越好。

实验器材

• 手势样本采集区
• 类别标签
• 训练按钮
• 预测结果显示区

实验步骤

1. 确定要识别的几种手势类别
2. 为每个类别采集多个样本
3. 点击训练，让模型学习这些样本
4. 用新的手势进行测试，查看预测结果
5. 对识别不准的类别补充样本后重新训练

实验现象与结论

样本较少或过于单一时，模型容易把相似手势混淆；增加不同角度、不同姿势的样本并重新训练后，识别通常更准确。结论：模型的表现取决于训练数据的数量和多样性。

注意事项

• 如需用摄像头采集手势，应征得本人同意。
• 注意保护个人隐私，不要记录无关人员。

常见问题

为什么每种手势要采集多个样本？

单个样本无法体现同一手势的变化，多个样本才能让模型学到稳定特征。

识别不准时应该怎么办？

补充更多、更多样的样本，检查标签是否标错，然后重新训练再测试。