结合注意机制和多尺度卷积的YOLO行人检测
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.15888/j.cnki.csa.008427

结合注意机制和多尺度卷积的YOLO行人检测

引用
为提高行人检测的检测性能,本文结合SqueezeNet、注意力机制、空洞卷积和Inception等结构,提出一种基于改进YOLOv4的行人检测算法.改进YOLO在特征增强部分引入残差连接和结合空洞卷积的注意力模块D-CBAM,可以从提取到的特征中选择对目标检测重要的信息.此外,结合SqueezeNet的"squeeze-expand"结构和Inception网络的多尺度卷积思想提出Inception-fire模块用于替代网络中的连续卷积层,通过增加网络的宽度达到提升算法性能的效果,同时减少网络的参数.最后,根据行人检测任务的特点并结合Focal loss对损失函数进行改进,分别对正负样本和难易样本添加权重因子,强调对正样本和难分类样本的训练,从而提高网络的检测能力.改进的YOLO算法在INRIA行人数据集上的检测精度能够达到94.95%,相对原YOLOv4提高4.25%,同时参数量减少了36.35%,检测速度也获得13.54%的提升,在行人检测中能够表现出更优秀的性能.

YOLOv4、注意力机制、SqueezeNet、Inception、ResNet、焦点损失、深度学习、目标检测

31

TP391.41;B842.3;U491.54

2022-04-26(万方平台首次上网日期,不代表论文的发表时间)

共9页

171-179

相关文献
评论
暂无封面信息
查看本期封面目录

计算机系统应用

1003-3254

11-2854/TP

31

2022,31(4)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn