改进FCOS的行人检测算法

摘要：

为解决行人目标特殊性和复杂性导致的检测速度和精度不高问题,提出改进的FCOS检测算法.采用轻量型网络作为FCOS的主干网络,提高检测速度;运用同步批归一化替代批归一化方法进行网络模型训练;在原有特征层基础上增加C2层进行特征融合,提高精度.实验结果表明,改进算法在Caltech数据集上mAP为88.9％,对小尺度行人检测效果增强,检测速度提高了85.3％,在具有鲁棒性的同时也满足行人检测实时性要求.

关键词：行人检测、全卷积单阶段、深度学习、轻量型网络、同步批归一化

所属期刊栏目：43

分类号：TP183(自动化基础理论)

资助基金：安徽省自然科学基金;安徽师范大学创新基金;安徽省智能机器人信息融合与控制工程实验室基金项目

在线出版日期：2022-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：3264-3270