科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】目前，行人检测算法存在模型复杂、检测精度较低、检测速度慢的问题。为了解决这些问题，将YOLOv5算法进行了改进，能够更好地应用于行人检测。【方法】首先使用深度可分离卷积替换YOLOv5算法骨干网络中的普通卷积，降低了模型的计算量和参数量，提高模型的检测效率；然后在骨干网络的特征融合部分添加通道注意力和空间注意力机制，让网络关注于图像中行人的位置信息和通道信息；最后使用EIOU损失函数优化训练模型，并使用K-means++聚类算法来生成先验框。【结果】将改进后的模型在INRIA行人检测数据集上与其他算法进行了对比实验。结果表明，改进后的模型精确度达到89%，相比于原模型提高了7.6%，检测速度达到每秒106帧。【结论】本文改进算法提高了行人检测的速度和精度，且模型数据量小，易于实时检测和部署。
- 出版日期2023
- 单位上海工程技术大学
