基于自校准卷积网络的行人检测方法

摘要：

针对已有行人检测算法存在的小尺度行人信息描述不充分的问题,提出一种基于自校准卷积网络的行人检测算法.通过将CSP算法的主干网络更换为SCNet自校准卷积网络,有效扩大了网络的感受野范围;将主干网络的低层特征像素信息和高层特征语义信息进行融合,有效促进小尺度行人的检测;对精细的多尺度卷积特征进行多层连接,将行人检测简化为直接的中心和尺度预测任务.实验结果表明,所提算法在数据集CityPersons和Caltech上的平均漏检率为10.97％和4.3％.算法可以增强小尺度行人的信息描述能力,在检测速度方面也有一定的优势.

关键词：行人检测、深度学习、自校准卷积网络、检测器头部、特征融合

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：福建省自然科学基金青年创新基金项目2020J05083

在线出版日期：2022-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1008-1015