一种面向行人跌倒检测的改进YOLOv5算法 |
| |
引用本文: | 沈国鑫,魏怡,刘力手,尹天睿.一种面向行人跌倒检测的改进YOLOv5算法[J].小型微型计算机系统,2024(4):902-909. |
| |
作者姓名: | 沈国鑫 魏怡 刘力手 尹天睿 |
| |
作者单位: | 武汉理工大学自动化学院 |
| |
基金项目: | 国家自然科学基金面上项目(51177114)资助; |
| |
摘 要: | 针对行人跌倒检测的应用场景复杂,原始YOLOv5的检测精度不高,特征融合不充分的问题,本文首先提出了一种新的特征金字塔(FPN)结构-自适应特征增强融合金字塔网络(AFEF-FPN)和特征增强融合模块(FFEM)来增加特征的表示以及融合深度.其次使用基于全局语义信息的上采样算子CARAFE代替Nearest Upsample来建模全局上采样信息,使用Alpha IoU Loss代替CIoU Loss来提高High IoU目标的损失和回归精度.最终本文网络YOLOv5(AFEF-FPN)在训练集上取得了98.62%mAP,在测试集上取得了96.21%mAP,相比于原始YOLOv5网络在训练集和测试集上分别提升了1.64%和2.86%.实验表明,本文网络在复杂场景下的目标检测效果优于原始YOLOv5及其他网络.
|
关 键 词: | AFEF-FPN FFEM 注意力模块 上采样算子 IoU Loss |
|
|