改进YOLOv3网络结构的遮挡行人检测算法

作者：刘丽^*; 郑洋; 付冬梅

来源：模式识别与人工智能, 2020, 33(06): 568-574.

DOI：10.16451/j.cnki.issn1003-6059.202006010

• 行人检测
• 深度学习
• YOLOv3
• 空间金字塔池化网络
• 网络剪枝

针对YOLOv3算法在监控视频行人检测中对遮挡目标漏检率较高的问题,文中提出改进YOLOv3网络结构的遮挡行人检测算法.首先在网络全连接层引入空间金字塔池化网络,增强网络的多尺度特征融合能力.然后采用网络剪枝的方式,精简网络冗余结构,避免网络层数加深导致的退化和过拟合问题,同时减少参数量.在走廊行人数据集上进行多尺度训练,获得最优的权重模型.实验表明,文中方法在平均准确率和检测速度上都有所提升.

• 出版日期2020
• 单位北京科技大学; 北京科技大学顺德研究生院; 自动化学院