改进的轻量级行人目标检测算法

来源：计量学报杂志2024年第2期北京时间：

作者：金梅,任婷婷,张立国,闫梦萧,沈明浩

单位：燕山大学电气工程学院, 河北秦皇岛066004

摘要：针对行人目标数量密集、目标尺度小和目标周围背景光照强弱不一而导致的检测精度低的问题,提出一种基于特征融合的轻量化行人检测算法。以TinyYOLOv4为基础框架,首先,搭建新的主干特征提取网络(CSPDarknet53-S),在原主干网络的基础上加入新的特征提取模块(REM)来增强网络提取行人特征的能力。其次,改进特征融合结构,在主干网络提取高低层特征图后,先是在主干网络与特征融合网络间加入特征融合模块(RM-block)来增大感受野;然后引入浅层特征信息保留更多小目标特征,形成新的特征融合网络(IFFM)。最后,通过YOLO Head对融合来的特征图进行处理获得输出结果。实验结果表明,提出的算法在行人数据集(PASCAL VOC2007和VOC2012的person数据)上取得了较高的检测精度以及较好的检测效果。

关键词：目标检测; 特征融合; 浅层特征; TinyYOLOv4算法; 注意力机制

基金资助：国家重点研发项目子课题(2020YFB1711001);河北省科学技术研究与发展计划科技支撑计划项目(20310302D)