文献类型：期刊文章

作　　者：向南[1] 王璐[1] 贾崇柳[1] 蹇越谋[1] 马小霞[1]

Xiang Nan;Wang Lu;Jia Chongliu;Jian Yuemou;Ma Xiaoxia(Liangjiang International College,Chongqing University of Technology,Chongqing 401135,China)

机构地区：[1]重庆理工大学两江国际学院,重庆401135

出　　处：《系统仿真学报》

基　　金：国家自然科学基金面上项目(61872051);重庆市教育委员会科学技术研究项目(KJQN202001118)。

年　　份：2023

卷　　号：35

期　　号：2

起止页码：286-299

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对已有的YOLO(you only look once)模型在行人目标检测中对遮挡及多尺度行人易造成漏检和精度较低的问题,提出改进YOLO行人检测算法YOLO-SSC-s(YOLO-spatial pyramid poolingshuffle attention-convolutional block attention module-simplified)。修改YOLO模型骨干网络,增强跨尺度特征提取能力;在3个YOLO层前的不同位置引入空间金字塔池化模块以及空间与通道、组特征2种注意力机制,加强对不同尺度行人的特征融合;为了缓解网络模型过于复杂而降低检测性能,提高模型训练效率,根据实际情况对网络结构进行简化。实验结果表明:与YOLOv3等检测模型相比,YOLO-SSC-s可有效提高遮挡情形下中、小行人目标的检测精度、速度,降低漏检率。

关 键 词：行人检测 YOLO(you only look once)  遮挡 注意力机制  

分 类 号：TP391]