Haar小波下采样优化YOLOv9的道路车辆和行人检测

来源：计算机工程与应用杂志2024年第20期北京时间：

作者：李琳, 靳志鑫, 俞晓磊, 王安红

单位：1.太原科技大学 电子信息工程学院，太原 030027；2.太原科技大学 体育学院，太原 030027；3.江苏省质量和标准化研究院 国家射频识别产品检验检测中心（江苏），南京 210029

摘要：在当前智能化、信息化的大背景下，为了实现无人驾驶模式复杂环境中智能收集道路的行人和车辆目标，提出了一种基于Haar小波下采样（Haar wavelet downsampling，HWD）的YOLOv9算法（HWD_YOLOv9）用于车辆与行人目标检测。Haar小波的下采样操作，降低特征图的空间分辨率，尽可能保留了边缘、纹路等细节信息，有效降低了信息的不确定性。采用交叉熵损失和广义骰子损失之和作为网络的损失函数，可以有效地度量概率分布之间的差异，且逐像素进行骰子损失计算，便于优化网络。实验结果显示，在KITTY数据集上，所提模型的平均精度均值达到了95.86%，检测帧率达到了179?FPS。与YOLOv9相比，改进后的算法能够精确地识别出复杂道路上不同尺度的车辆与行人，改善了原检测算法中的计算容量的冗余和小目标的漏检问题，为智能化的无人驾驶提供了视觉技术支持。

关键词：小目标检测,车辆行人,YOLOv9,深度学习,Haar小波下采样