融合注意力机制的实时行人检测算法
为了提高Tiny YOLOv3目标检测算法在行人检测任务中的准确率,对该算法进行了研究改进.首先对Tiny YOLOv3的特征提取网络进行深化,增强网络特征提取能力;然后在预测网络的两个检测尺度分别加入通道域注意力机制,对特征图的不同通道赋予不同的权重,引导网络更多关注行人的可视区域;最后,改进激活函数和损失函数并采用K-means聚类算法重新选择初始候选框.实验结果表明,改进后Tiny YOLOv3算法的准确率在VOC2007行人子集上达到77%,较Tiny YOLOv3提高8.5%,在INRIA数据集上达到92.7%,提高2.5%,运行速度分别达到每秒92.6帧和31.2帧.该方法提高了行人的检测精度,保持了较快的检测速度,满足实时性运行需求.
行人检测;Tiny YOLOv3;特征提取;通道注意力机制;实时检测
44
TP391.41(计算技术、计算机技术)
国家自然科学基金;国家级大学生创新创业训练计划项目
2021-12-27(万方平台首次上网日期,不代表论文的发表时间)
共8页
123-130