基于改进YOLOv5的行人检测算法

摘要：

针对现有目标检测算法在复杂场景下检测精度低的问题,提出一种改进YOLOv5的行人检测算法.首先,引入坐标注意力机制,提高对图像中行人目标区域的定位和识别能力;其次,通过四尺度检测层,增加感受野,进一步提高对小尺度行人的检测精度;然后,使用EIoU代替CIoU作为边界框回归损失函数,有效解决了CIoU中对于纵横比的模糊定义;最后,使用Soft-NMS算法加强对重叠区域的识别能力.实验结果表明,改进后算法在VOC 2007行人数据集的精确率和平均精度均值达到了84.3％和95.3％,相比于原始YOLOv5算法提高了8.7％和5.4％,可以更好地应用在行人检测任务.

关键词：行人检测、YOLOv5、注意力机制、Soft-NMS

所属期刊栏目：50

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;江西省自然科学基金;江西省教育厅科技项目;江西省核地学数据科学与系统工程技术研究中心开放基金项目;江西省放射性地学大数据技术工程实验室开放基金项目

在线出版日期：2023-02-22（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：2404-2410