改进YOLOv4算法的复杂视觉场景行人检测方法

作者：康帅; 章坚武^*; 朱尊杰; 童**

来源：电信科学, 2021, 37(08): 46-56.

• 复杂视觉场景
• YOLOv4
• 混合空洞卷积
• 空间锯齿空洞卷积

复杂视觉场景下存在过暗或者过曝的光照、恶劣的天气、严重遮挡、行人尺寸差别大以及图像模糊等问题,大大增加了行人检测的难度。因此,针对复杂视觉场景下行人检测准确度低、漏检严重的问题,提出了改进的YOLOv4算法以增强复杂视觉场景下的行人检测效果。首先,构建复杂视觉场景下的行人数据集。然后,在主干网中加入混合空洞卷积,提高网络对行人特征的提取能力。最后,提出空间锯齿空洞卷积结构,代替空间金字塔池化结构,获取更多细节特征。实验表明,在本文构建的行人数据集上,改进后的YOLOv4算法的平均精度(average precision,AP)达到了90.08%,相比原YOLOv4算法提高了7.2%,对数平均漏检率(log-average miss rate,LAMR)降低了13.69%。

• 出版日期2021
• 单位杭州电子科技大学