改进YOLOv5s算法的地铁场景行人目标检测 |
| |
引用本文: | 张秀再,邱野,张晨.改进YOLOv5s算法的地铁场景行人目标检测[J].激光与光电子学进展,2023(6):144-153. |
| |
作者姓名: | 张秀再 邱野 张晨 |
| |
作者单位: | 1. 南京信息工程大学电子与信息工程学院;2. 南京信息工程大学江苏省大气环境与装备技术协同创新中心 |
| |
基金项目: | 国家自然科学基金青年科学基金(11504176,61601230);;江苏省高校自然科学研究项目(13KJA510001);;江苏省自然科学基金青年基金(BK20141004); |
| |
摘 要: | 地铁场景行人目标存在大小不一、不同程度遮挡以及环境过暗导致目标模糊等问题,很大程度影响了行人目标检测的准确性。针对上述问题,本研究提出了一种改进YOLOv5s目标检测算法以增强地铁场景行人目标检测的效果。构建地铁场景行人数据集,标注对应标签,进行数据预处理操作。本研究在特征提取模块中加入深度残差收缩网络,将残差网络、注意力机制和软阈值化函数相结合以增强有用特征信道,削弱冗余特征信道;利用改进空洞空间金字塔池化模块,在不丢失图像信息的前提下获得多尺度、多感受野的融合特征,有效捕获图像全局上下文信息;设计了一种改进非极大值抑制算法,对目标预测框进行后处理,保留检测目标最优预测框。实验结果表明:提出的改进YOLOv5s算法能有效提高地铁场景行人目标检测的精度,尤其对小行人目标和密集行人目标的检测,效果提升更为显著。
|
关 键 词: | 行人目标检测 YOLOv5s 注意力机制 改进空洞空间金字塔池化 |
|