基于改进多尺度残差网络的行人检测方法 |
| |
作者姓名: | 孙佩珺 张仲荣 李琦铭 李俊 |
| |
作者单位: | 兰州交通大学 数理学院,甘肃 兰州 730000;中国科学院海西研究院 泉州装备制造研究中心,福建 泉州 362000;兰州交通大学 数理学院,甘肃 兰州 730000;中国科学院海西研究院 泉州装备制造研究中心,福建 泉州 362000 |
| |
基金项目: | 泉州市科技计划基金项目(2020C052);;甘肃省科技计划基金项目(20YF3GA013);;甘肃省科技型中小企业技术创新基金项目(20CX9JA128); |
| |
摘 要: | 针对行人检测的尺度变化问题,提出一种基于改进多尺度残差网络无锚检测算法(IMSNet)。将Res2Net残差模块中多尺度特征提取融入ResNeXt,将改进后的网络作为主干网络(Res2NeXt*),使主干网络包含不同数量、不同组合的感受野;利用多个较小卷积核等效替代单个较大卷积核,增加网络深度并减少网络参数量;对细化的多尺度卷积特征级联融合做卷积运算,将行人检测简化为中心点和尺度预测任务。实验结果表明,IMSNet对CityPersons和Caltech数据集Reasonable设置分别实现了10.6%和2.6%的平均漏检率,检测每张图像仅需0.28 s。
|
关 键 词: | 机器视觉 行人检测 深度学习 尺度变化 多尺度残差网络 特征融合 级联融合 感受野 |
本文献已被 万方数据 等数据库收录! |
|