首页 | 本学科首页   官方微博 | 高级检索  
     

基于YOLO轻量化的多模态行人检测算法
作者姓名:苑朝  赵亚冬  张耀  王嘉璇  徐大伟  翟永杰  朱松松
作者单位:1. 华北电力大学自动化系;2. 中国科学院自动化研究所复杂系统管理与控制国家重点实验室
基金项目:国家自然科学基金联合基金项目重点支持项目(U21A20486);;中央高校基本科研业务费专项资金资助(2022MS100)~~;
摘    要:针对低光照环境下行人检测精度低和模型参数量大的问题,基于YOLO框架,提出一种轻量化的多模态行人检测算法EF-DEM-YOLO。采用轻量的ES-MobileNet作为主干特征提取网络,并在该网络中引入ECA和SE-ECA注意力机制模块,增强重要的通道特征,提高小目标行人的检测精度。在颈部网络中设计了基于深度可分离卷积的DBL模块,进一步缩减模型的参数量。另外,为了提高低光照条件下行人的检测精度,利用可见光模态和红外模态在不同光照条件下特征互补的特点,提出了基于图像熵的可见光与红外模态加权融合方法,并设计了融合模块EWF。相比与基准方法,该算法对于不同光照条件下的行人目标,模型的mAP提高55.5%,MR降低85.9%,模型的推理速度达到33.4帧/秒,并且均优于其他经典的目标检测算法,为边缘计算和低光照场景下的行人目标的实时检测提供了可能。

关 键 词:行人检测  YOLO  轻量化  多模态  深度可分离  图像熵
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号