期刊文章详细信息
文献类型:期刊文章
WANG Hong;HAN Chen;YUAN Bo-yang;TIAN Zeng-rui;SHENG Ying-jie(College of Building Environment Engineering,Zhengzhou University of Light Industry,Zhengzhou 450002,China;Henan Engineering Research Center of Intelligent Buildings and Human Settlements,Zhengzhou 450002,China)
机构地区:[1]郑州轻工业大学建筑环境工程学院,郑州450002 [2]河南省智慧建筑与人居环境工程技术研究中心,郑州450002
基 金:河南省科技攻关项目(232102211050,222102220071,222102320298,20212102310519,212102210535);河南省高等学校重点科研项目(22A470014,20A620005,19A413013);郑州轻工业大学2021年度星空众创空间项目(2021ZCKJ106)。
年 份:2023
卷 号:23
期 号:27
起止页码:11730-11738
语 种:中文
收录情况:BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊
摘 要:针对密集场景下行人检测的目标重叠和尺寸偏小等问题,提出了基于改进YOLOv5的拥挤行人检测算法。在主干网络中嵌入坐标注意力机制,提高模型对目标的精准定位能力;在原算法三尺度检测的基础上增加浅层检测尺度,增强小尺寸目标的检测效果;将部分普通卷积替换为深度可分离卷积,在不影响模型精度的前提下减少模型的计算量和参数量;优化边界框回归损失函数,提升模型精度和加快收敛速度。实验结果表明,与原始的YOLOv5算法相比,改进后YOLOv5算法的平均精度均值提升了7.4个百分点,检测速度达到了56.1 f/s(帧/秒),可以满足密集场景下拥挤行人的实时检测需求。
关 键 词:深度学习 拥挤行人检测 小目标检测 YOLOv5
分 类 号:TP391.4]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...