10.3979/j.issn.1673-825X.202206150149
YOLOv4-tiny网络夜间行人检测算法研究
无人驾驶系统中行人检测对于交通安全起着至关重要的作用,由于夜间红绿蓝三原色(red,green,blue,RGB)图像色彩信息少、对比度差异大,对行人检测带来挑战性,为提高夜间场景下无人驾驶行人检测的准确性,提出了SCP-YOLOv4-tiny夜间行人检测算法.引入注意力机制,增强网络对夜间行人特征提取能力;添加空间金字塔池化模块,以丰富深度特征信息;采用SiLU激活函数替换YOLOv4-tiny算法原有激活函数,提高算法检测精度.在NightOwls与BDD100K公开数据集上对改进的算法进行训练与测试,结果表明,改进后的算法平均准确率达到了94.11%,较改进之前提高了 16.84%,FF1-score值达到了 0.92.使用无人驾驶实验平台采集夜间道路行人图像,并在车载硬件平台Jetson AGX Xavier使用SCP-YOLOv4-tiny算法对采集数据进行检测,验证了算法改进的有效性,能够满足无人驾驶系统应用需求.
YOLOv4-tiny、注意力机制、空间金字塔池化、SiLU激活函数、夜间行人检测
35
TN919;TP391
2023-10-31(万方平台首次上网日期,不代表论文的发表时间)
共8页
908-915