Pedestrian detection algorithm based on improved YOLO lightweight network

doi:10.13741/j.cnki.11-1879/o4.2022.01.012

您当前的位置：

首页 >

文章列表页 >

Pedestrian detection algorithm based on improved YOLO lightweight network

更新时间：2025-09-01

- Pedestrian detection algorithm based on improved YOLO lightweight network
- Vol. 48, Issue 1, Pages: 80-85(2022)
- 作者机构：
  
  1. 1:南京理工大学理学院
  2. 2:南京林业大学信息科学技术学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2022.01.012
  CLC： TP391.41
- Published：2022
- 稿件说明：
移动端阅览
Pedestrian detection algorithm based on improved YOLO lightweight network[J]. 2022, 48(1): 80-85.
DOI：

Pedestrian detection algorithm based on improved YOLO lightweight network[J]. 2022, 48(1): 80-85. DOI： 10.13741/j.cnki.11-1879/o4.2022.01.012.

摘要

针对当前行人检测方法计算量大、检测精度低的问题

基于YOLOv4-tiny提出一种改进的行人检测算法。引入通道注意力和空间注意力模块(CBAM)至CSPDarknet53-tiny网络中

通过学习图像的位置信息和通道信息得到更加丰富的特征;在骨干网络CSPDarknet53-tiny之后引入空间金字塔池化模块

能够极大地增加感受野

分离出最显著的上下文特征;使用CIoU损失函数对算法的多任务联合损失进行了优化。实验分别使用INRIA和WiderPerson中的训练集作为训练模型

INRIA和WiderPerson中的测试集分别作为测试集来验证模型。实验表明

对比YOLOv4-tiny目标检测模型

改进后的网络在INRIA测试集中精确度、召回率和平均精度值分别提升了6.23%、3.15%和6.12%;改进后的网络在WiderPerson测试集中精确度、召回率和平均精度值分别提升了3.65%、3.28%和4.41%。改进后的模型在几乎不影响检测实时性的前提下

更易于行人特征提取

提高了检测精度。

Abstract

针对当前行人检测方法计算量大、检测精度低的问题

基于YOLOv4-tiny提出一种改进的行人检测算法。引入通道注意力和空间注意力模块（CBAM）至CSPDarknet53-tiny网络中

通过学习图像的位置信息和通道信息得到更加丰富的特征;在骨干网络CSPDarknet53-tiny之后引入空间金字塔池化模块

能够极大地增加感受野

分离出最显著的上下文特征;使用CIoU损失函数对算法的多任务联合损失进行了优化。实验分别使用INRIA和WiderPerson中的训练集作为训练模型

INRIA和WiderPerson中的测试集分别作为测试集来验证模型。实验表明

对比YOLOv4-tiny目标检测模型

更易于行人特征提取

提高了检测精度。

关键词

Keywords

references

Views

2228

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Zero-shot learning-based medical image denoising algorithm

Phase unwrapping method incorporating attention mechanism

MRI image segmentation method based on attention dilated U-Net

A polarization video super-resolution method combining enhanced alignment and multi attention fusion

Classification model of dominant species in desertification grassland based on hyperspectral remote sensing

Related Author

李政德

赵爽

陈明哲

周哲海

凌帅帅

曹张朔

薛子轩

陈广伟

Related Institution

1:北京信息科技大学仪器科学与光电工程学院光电测试技术及仪器教育部重点实验室

2:河北省计算光学成像与光电检测技术创新中心

1:河北工程大学数理科学与工程学院

2:东莞职业技术学院人工智能学院

1:东莞职业技术学院电子信息学院

⁰