深度可分离卷积和标准卷积相结合的高效行人检测器

• 作者: 张运波 易鹏飞 周东生 张强 魏小鹏
• 来源期刊: 图学学报
• 学科: 工学
• 关键词: 标准卷积 深度可分离卷积 特征融合 轻量化 行人检测
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 图像处理与计算机视觉|Image Processing and Computer Vision
• 页码范围: 230-238
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11996/JG.j.2095-302X.2022020230

摘要

行人检测器对算法的速度和精确度有很高的要求.虽然基于深度卷积神经网络(DCNN)的行人检测器具有较高的检测精度,但是这类检测器对硬件设备的计算能力要求较高,因此,这类行人检测器无法很好地部署到诸如移动设备、嵌入式设备和自动驾驶系统等轻量化系统中.基于此,提出了一种更好地平衡速度和精度的轻量级行人检测器(EPDNet).首先,主干网络的浅层卷积使用深度可分离卷积以压缩模型的参数量,深层卷积使用标准卷积以提取高级语义特征.另外,为了进一步提高模型的性能,主干网络采用特征融合方法来增强其输出特征的表达能力.通过实验对比分析,EPDNet在2个具有挑战性的行人数据集Caltech和CityPersons上表现出了优越的性能,与基准模型相比,EPDNet在速度和精确度之间获得了更好的权衡,EPDNet的速度和精确度同时得到了提高.