2025年04月06日 星期日 首页   |    期刊介绍   |    编 委 会   |    投稿指南   |    期刊订阅   |    统合信息   |    联系我们
计量学报  2024, Vol. 45 Issue (2): 186-193    DOI: 10.3969/j.issn.1000-1158.2024.02.07
  光学计量 本期目录 | 过刊浏览 | 高级检索 |
改进的轻量级行人目标检测算法
金梅,任婷婷,张立国,闫梦萧,沈明浩
燕山大学电气工程学院, 河北秦皇岛066004
Improved Lightweight Pedestrian Target Detection Algorithm
JIN Mei,REN Tingting,ZHANG Liguo,YAN Mengxiao,SHEN Minghao
School of Electrical Engineering, Yanshan University, Qinhuangdao, Hebei 066004, China
全文: PDF (924 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
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。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
金梅
任婷婷
张立国
闫梦萧
沈明浩
关键词 目标检测特征融合浅层特征TinyYOLOv4算法注意力机制    
Abstract:A lightweight pedestrian detection algorithm based on feature fusion is proposed to solve the problem of low detection accuracy caused by dense pedestrian targets, small target scales, and varying background illumination around the target. Firstly, build a new backbone feature extraction network (CSPDarknet53-S), and add a new feature extraction module (REM) to the original backbone network to enhance the networks ability to extract pedestrian features. Secondly, improve the feature fusion structure. After extracting high-low feature maps from the backbone network, add a feature fusion module (RM block) between the backbone network and the feature fusion network to increase the receptive field. And then introduce shallow feature information to retain more small target features to form a new feature fusion network (IFFM). Finally, the fused feature map is processed through YOLO Head to obtain the output results. The above steps are based on the basic framework of TinyYOLOv4. Experimental results show that the proposed algorithm achieves higher detection accuracy and better detection results on pedestrian data sets (PASCAL VOC2007 and VOC2012 person data).
Key wordstarget detection    feature fusion    shallow characteristics    TinyYOLOv4 algorithm    attention mechanism
收稿日期: 2023-04-03      发布日期: 2024-02-21
PACS:  TB96  
  TB973  
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)
作者简介: 金梅(1977-),河北秦皇岛人,燕山大学副教授,主要从事计算机视觉和机器人控制及应用技术等方面研究。Email:meijin297@126.com
引用本文:   
金梅,任婷婷,张立国,闫梦萧,沈明浩. 改进的轻量级行人目标检测算法[J]. 计量学报, 2024, 45(2): 186-193.
JIN Mei,REN Tingting,ZHANG Liguo,YAN Mengxiao,SHEN Minghao. Improved Lightweight Pedestrian Target Detection Algorithm. Acta Metrologica Sinica, 2024, 45(2): 186-193.
链接本文:  
http://jlxb.china-csm.org:81/Jwk_jlxb/CN/10.3969/j.issn.1000-1158.2024.02.07     或     http://jlxb.china-csm.org:81/Jwk_jlxb/CN/Y2024/V45/I2/186
京ICP备:14006989号-1
版权所有 © 《计量学报》编辑部
地址:北三环东路18号(北京1413信箱)  邮编:100029 电话:(010)64271480
本系统由北京玛格泰克科技发展有限公司设计开发  技术支持:support@magtech.com.cn