基于改进多尺度残差网络的行人检测方法

摘要：

针对行人检测的尺度变化问题,提出一种基于改进多尺度残差网络无锚检测算法(IMSNet).将Res2Net残差模块中多尺度特征提取融入ResNeXt,将改进后的网络作为主干网络(Res2NeXt*),使主干网络包含不同数量、不同组合的感受野;利用多个较小卷积核等效替代单个较大卷积核,增加网络深度并减少网络参数量;对细化的多尺度卷积特征级联融合做卷积运算,将行人检测简化为中心点和尺度预测任务.实验结果表明,IMSNet对CityPersons和Caltech数据集Reasonable设置分别实现了10.6％和2.6％的平均漏检率,检测每张图像仅需0.28 s.

关键词：机器视觉、行人检测、深度学习、尺度变化、多尺度残差网络、特征融合、级联融合、感受野

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：泉州市科技计划基金项目;甘肃省科技计划基金项目;甘肃省科技型中小企业技术创新基金项目

在线出版日期：2023-05-08（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：762-769