改进多尺度特征融合的行人检测算法 |
| |
作者姓名: | 韩松 马国军 |
| |
作者单位: | 江苏科技大学电子信息学院 |
| |
基金项目: | 国家自然科学基金(61371114); |
| |
摘 要: | 针对图像中小尺寸行人目标检测识别率低的问题,提出一种基于改进多尺度特征融合的行人检测算法。首先,在原始YOLOv3模型的基础上将BN层融合到卷积层;其次,增加检测层,借鉴特征金字塔思想将高低层特征进行融合与预测;最后,利用线性尺度缩放的K-means聚类算法优化候选框,提高小尺寸行人检测效果。在INRIA行人数据集上的实验结果表明,改进算法准确率达到91.4%,与YOLOv3算法相比提高了3.4%;在复杂监控环境下也证明了所提算法的有效性。
|
关 键 词: | 行人检测 特征提取 YOLOv3 多尺度特征 线性尺度缩放 |
|
|