10.15913/j.cnki.kjycx.2020.18.012
一种基于改进YOLOv3的密集人群检测算法
对于天津地铁中的密集人群的场景,且YOLOv3算法模型对行人的识别率不高,在严重遮挡的情况下出现漏检的问题.针对以上问题,提出了一种基于改进YOLOv3的密集人群检测算法.通过对特征提取网络和损失函数进行改进,并且在训练模型阶段,采用K-means++方法生成4个瞄点框,用于提升网络的训练速度.实验结果表明,改进后的算法在准确性和实时性上相对于Faster RCNN和传统的YOLOv3算法有了明显的提高,验证了该检测方法的高效性.
密集人群、YOLOv3、特征提取网络、K-means++
TP391.41(计算技术、计算机技术)
2020-10-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
31-33,38