基于深度学习的铁路行人细粒度检测

• 作者: 刘家辉 刘畅 王申宇 程科 胡广朋 覃源
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 人员检测 YOLO 注意力 深度学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 信息融合
• 页码范围: 1367-1371
• 页数: 5页
• 分类号: TP391.41|TP183
• 字数: 3290字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.06.020

摘要

在铁路现场作业的过程中,人员的检测和识别一直是铁路视频监控系统的重点之一,而现有的检测算法存在检测速度慢、鲁棒性差、精度较低、实时性等问题.论文重点研究了基于深度学习的路服细粒度检测识别方法,利用该领域大规模数据集,以YOLO V2高性能检测算法为基础,引入混合注意力机制.实验表明该方法平均检测精度达到82.8％,且具有强鲁棒性和实时性,达到铁路现场监控要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡广朋	江苏科技大学计算机学院	34	82	6.0	7.0
2	刘家辉	江苏科技大学计算机学院	1	0	0.0	0.0
3	王申宇		1	0	0.0	0.0
4	刘畅		2	0	0.0	0.0
5	覃源		2	0	0.0	0.0
6	程科		1	0	0.0	0.0