基于YOLOv5融合注意力机制的轻量级行人检测算法研究
为实现行人自动、快速以及准确检测,提出一种高性能轻量化网络模型.首先,利用图像增强算法对比度自适应直方图均衡化进行图像预处理;其次,针对当前行人检测算法模型参数较多,计算量和内存占用大的问题,将 Stem 模块和 Shuffle-NetV2 进行融合,并在每个深度卷积中将核大小从 3 个增加到 5 个,以获得更大的感受野,同时改进 YOLOv5 主干网络;最后,针对环境变化导致难以被准确检测的问题,利用 ECA注意力模块可以提高数据的丰富性,从而进一步提高特征表达能力和鲁棒性.实验结果表明,改进后的算法能够较好地解决行人检测时易受环境干扰影响导致检测精度下降的问题,其平均检测精度可达 94.6%,检测速度为 35 fps.
行人检测、嵌入式设备、注意力机制、Stem模块、轻量级模型、YOLOv5
42
TP181(自动化基础理论)
国家自然科学基金;陕西省技术创新引导专项-科技成果转移与推广计划项目
2023-09-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
96-101