-
题名基于深度可分离卷积和多级特征金字塔网络的行人检测
被引量：2
- 1
-
-
作者
姜义成
李凡
-
机构
湖南大学机械与运载工程学院
-
出处
《汽车安全与节能学报》
CAS
CSCD
2020年第1期94-101,共8页
-
基金
国家自然科学基金资助项目(81673996)
湖南省战略性新兴产业科技攻关与重大科技成果转化项目(2018GK4004)。
-
文摘
为提高行人检测的准确率,提出一种基于卷积神经网络的行人检测方法。该方法以YOLOv3-tiny算法为基础,在骨干网络部分,用深度可分离卷积的网络结构代替原卷积网络结构,加深网络深度。在检测部分,提出一种改进的多级特征金字塔网络,该网络由8个结构相同的使用深度可分离卷积的特征金字塔组成,特征金字塔之间串联连接,将不同金字塔得到的相同尺寸的特征进行融合,利用融合后的特征金字塔进行检测。在Caltech Pedestrian数据集上进行测试。结果表明:该方法的漏检率为57.83%,比梯度方向直方图(HOG)方法低32.53%,比基于深度学习的方法SA Fast-RCNN和MS-CNN分别低4.67%、3.21%;运行速度为34 ms/帧。因而,该方法满足了实时性要求。
-
关键词
汽车主动安全
行人检测
深度可分离卷积
多级特征金字塔网络
特征融合
-
Keywords
automotive active safety
pedestrian detection
depthwise separable convolution
multi-level feature pyramid network
feature fusion
-
分类号
U461.91
[机械工程—车辆工程]
-
