科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对在人员密集区或相互拥挤场景下进行的行人目标检测时，因行人遮挡或人像交叠所导致的跟踪目标丢失、检测识别率低的问题，提出了一种融合注意力机制的改进YOLO V5算法。通过引入注意力机制来深入挖掘特征通道间关系和特征图空间信息，进一步增强了对行人目标可视区域的特征提取。为提高模型的收敛能力，利用CIoU、DIoU＿NMS代替YOLO V5的原有损失函数优化anchor的回归预测，降低了网络的训练难度，提升了遮挡情况下的检测率；同时，结合数据增强及标签平滑算法进一步提高了特征模型的泛化能力和分类器性能。相比于一般的YOLO V5算法，论文所提出的改进算法在人员密集区或相互拥挤场景下进行行人检测时，具有更高的准确率和更低的漏检率，同时保持了原有算法的实时性。
- 出版日期2022
- 单位苏州科技大学
