基于深度学习的密集行人检测场景算法研究

摘要：

针对密集行人检测场景存在目标尺度过小以及目标遮挡等问题,提出一种基于改进YOLOv7 的密集行人检测算法.首先在特征提取网络引入MobileNet注意力模块,减少模型计算量和增强特征提取能力;其次在特征融合网络加入BepC3 模块,提升了行人多尺度特征融合的能力;最后采用WD-Loss作为定位损失函数,提高模型检测的定位精度.在Wider-Person拥挤行人检测数据集上进行训练和验证,实验结果表明改进后的算法模型AP 50 精度达到了 0.784,领先原YOLOv7 算法0.031.

关键词：密集行人检测、YOLOv7、MobileNet、BepC3、WD-Loss

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;安徽省科技重大专项;安徽省高校协同创新项目;芜湖市核心技术攻关科技计划项目;芜湖市科技计划项目

在线出版日期：2024-09-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：103-112