科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对当前行人检测方法计算量大、检测精度低的问题,基于YOLOv4-tiny提出一种改进的行人检测算法。引入通道注意力和空间注意力模块(CBAM)至CSPDarknet53-tiny网络中,通过学习图像的位置信息和通道信息得到更加丰富的特征;在骨干网络CSPDarknet53-tiny之后引入空间金字塔池化模块,能够极大地增加感受野,分离出最显著的上下文特征;使用CIoU损失函数对算法的多任务联合损失进行了优化。实验分别使用INRIA和WiderPerson中的训练集作为训练模型,INRIA和WiderPerson中的测试集分别作为测试集来验证模型。实验表明,对比YOLOv4-tiny目标检测模型,改进后的网络在INRIA测试集中精确度、召回率和平均精度值分别提升了6.23%、3.15%和6.12%;改进后的网络在WiderPerson测试集中精确度、召回率和平均精度值分别提升了3.65%、3.28%和4.41%。改进后的模型在几乎不影响检测实时性的前提下,更易于行人特征提取,提高了检测精度。
