改进YOLO轻量化网络的行人检测算法

• 作者: 常青 韩文 王清华 李振华
• 来源期刊: 光学技术
• 学科: 工学
• 关键词: 深度学习 行人检测 YOLOv4-tiny 注意力机制
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 光学图像处理与识别|Optical Image Precessing & Recognition
• 页码范围: 80-85
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文

摘要

针对当前行人检测方法计算量大、检测精度低的问题,基于YOLOv4-tiny提出一种改进的行人检测算法.引入通道注意力和空间注意力模块(CBAM)至CSPDarknet53-tiny网络中,通过学习图像的位置信息和通道信息得到更加丰富的特征;在骨干网络CSPDarknet53-tiny之后引入空间金字塔池化模块,能够极大地增加感受野,分离出最显著的上下文特征;使用CIoU损失函数对算法的多任务联合损失进行了优化.实验分别使用INRIA和WiderPerson中的训练集作为训练模型,INRIA和WiderPerson中的测试集分别作为测试集来验证模型.实验表明,对比YOLOv4-tiny目标检测模型,改进后的网络在INRIA测试集中精确度、召回率和平均精度值分别提升了6.23％、3.15％和6.12％;改进后的网络在WiderPerson测试集中精确度、召回率和平均精度值分别提升了3.65％、3.28％和4.41％.改进后的模型在几乎不影响检测实时性的前提下,更易于行人特征提取,提高了检测精度.