一种基于Mobilenetv3的行人检测算法研究

摘要：

针对实时的行人检测算法要求模型具有轻量型和良好的鲁棒性,文中提出一种基于Mobilenetv3的行人检测算法.该算法首先采用Mobilenetv3作为模型的主干特征提取网络;然后通过深度可分离卷积替换PANet中的普通卷积,减少网络的复杂度;最后引入注意力机制SE和ECA关注网络中重要的通道信息,加强模型的特征融合能力.实验结果表明:与YOLOv4算法相比,基于Mobilenetv3的行人检测算法模型体积缩小78.03%,参数量也降低82.44%;且在实验数据集和INRIA数据集上,所提算法的平均精度(AP)分别提升3.98%和1.10%,检测速率分别提升8.08 f/s和7.89 f/s,检测时间也显著缩短,具有良好的检测性能.

关键词：行人检测算法、Mobilenetv3网络、YOLOv4算法、深度可分离卷积、注意力机制、检测性能

所属期刊栏目：46

分类号：TN911.23-34;TP391.41

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：149-154