基于多尺度加权特征融合网络的地铁行人目标检测算法
随着地铁乘客的大量增加,实时准确地监测地铁站内客流量对于保证乘客安全具有重要意义.针对地铁场景复杂、行人目标小等特点,该文提出了多尺度加权特征融合(MWF)网络,实现地铁客流量的精准实时监测.在数据预处理阶段,该文提出过采样目标增强算法,对小目标占比不足的图片进行拼接处理,增加小目标在训练时的迭代频率.其次,在单镜头多核检测器(SSD)网络基础上添加了基于VGG16网络的特征提取层,将不同尺度的特征层以不同方式进行加权融合,并选出最优的特征融合方式.最终,结合小目标过采样增强算法,得到多尺度加权特征融合模型.实验证明,该方法与SSD网络相比,在保证实时性的同时,检测精度提升了5.82%.
目标检测、小目标、深度网络、加权特征融合
43
TN911.73
北京市自然科学基金;北方工业大学科研启动基金
2021-07-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
2113-2120