Con el reciente desarrollo de pequeños radares con alta resolución, se han desarrollado varias aplicaciones de interacción humano-computadora (HCI) que los utilizan. En particular, se está estudiando activamente un método para aplicar el reconocimiento de gestos de la mano de un usuario utilizando un radar de corto alcance a un dispositivo electrónico. En general, las características de retardo temporal y cambio de Doppler que ocurren cuando una señal transmitida que es reflejada por un objeto regresa se clasifican a través de aprendizaje profundo para reconocer el movimiento. Sin embargo, el principal obstáculo en la comercialización del reconocimiento de gestos de la mano basado en radar es que, incluso para el mismo tipo de gesto de mano, la precisión de reconocimiento se degrada debido a una ligera diferencia en el movimiento de cada usuario individual. Para resolver este problema, en este documento se aplica la adaptación de dominio al reconocimiento de gestos de la mano para minimizar las diferencias entre la información de gestos de los usuarios en la etapa de aprendizaje y uso. Para verificar la efectividad de la adaptación de dominio, se aplicó un discriminador de dominio que engaña al clasificador a una red de aprendizaje profundo con una estructura de red neuronal convolucional (CNN). Se recopilaron datos de siete gestos de mano diferentes para 10 participantes y se utilizaron para el aprendizaje, y los gestos de mano de 10 usuarios que no se incluyeron en los datos de entrenamiento se introdujeron para confirmar la precisión de reconocimiento de un promedio del 98.8%.