10.16208/j.issn1000-7024.2020.05.038
改进的卷积神经网络行人检测方法
提出基于YOLOV3和DenseNet相结合的轻量化行人检测算法.加入HSV图像处理模块强化行人特征,利用卷积神经网络提取行人特征,通过k均值聚类算法筛选预测框,借鉴特征金字塔的思想做高低层特征融合和预测,利用Dense Block结构对网络轻量化进行完善,在国际广泛使用的行人数据集上进行一系列实验.实验结果表明,检测速度比现有的优秀目标检测模型YOLOV3提升了8倍,模型大小为YOLOV3的1/107,所提方法在测试集上的实时性和准确率都有所提高.
行人检测、深度学习、卷积神经网络、DenseNet、YOLOV3、k均值聚类算法
41
TP391(计算技术、计算机技术)
国家自然科学基金项目61170060、51874010
2020-05-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
1452-1457