一种改进RetinaNet的室内人员检测算法

• 作者: 孙琦龙 张为 王璐璐
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 机器视觉 卷积神经网络 室内人员检测
• 年，卷（期）: 2019,（5）
• 页码范围: 69-74,104
• 页数: 7页
• 分类号: TP391
• 字数: 4580字
• 语种: 中文
• DOI: 10.19665/j.issn1001-2400.2019.05.010

摘要

由于现有的人员检测算法研究对象主要是室外直立行人,而室内人员姿态多变,且图像拍摄角度与室外行人差别较大,所以使用以往的检测方法得到的效果并不理想.基于此,笔者针对室内人员检测数据集提出了一种高精度检测模型.该模型以RetinaNet网络为基础,在残差网络中引入通道注意力模块,间接实现卷积层的随机失活,增强模型泛化能力;通过维度聚类算法找出锚点的最佳尺寸,并据此找到合适的特征图进行预测.实验表明,这种算法在室内人员检测数据集上检测精度可达99.84％,且在速度和内存占用方面也优于其他算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张为	天津大学微电子学院	71	358	10.0	15.0
2	孙琦龙	青海民族大学计算机学院	29	94	5.0	8.0
3	王璐璐	天津大学电气自动化与信息工程学院	2	2	1.0	1.0