基于通道注意力的轻量行人检测算法

摘要：

YOLOv3算法参数量和计算量较大,不适合在移动端上使用.针对这个问题,文中通过优化YOLOv3算法提出一种基于注意力机制的轻量行人检测算法.首先,采用轻量级网络优化YOLOv3模型结构,减少模型的参数量和计算量;其次,设计下采样通道注意力模块代替Darknet53中的下采样层;最后,为了进一步丰富目标特征信息,增强小尺度行人的检测能力,引入特征增强模块.在INRIA数据集上的实验结果表明,所提出方法参数量相比YOLOv3模型降低约18,模型平均准确率提高3.85％.相比其他轻量化算法,提出的算法模型复杂度更低并且检测性能更好.

关键词：行人检测、通道注意力、YOLOv3、轻量级网络、特征增强、深度学习、残差网络、空间金字塔池化

所属期刊栏目：45

分类号：TN911.23-34;TP391.4

资助基金：新疆自治区自然科学基金项目2019D01C079

在线出版日期：2022-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：133-138