10.16208/j.issn1000-7024.2023.03.017
基于改进多尺度残差网络的行人检测方法
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.
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
44
TP391(计算技术、计算机技术)
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
2023-05-08(万方平台首次上网日期,不代表论文的发表时间)
共8页
762-769