-
题名面向拥挤行人检测的改进YOLOv7算法
被引量：7
- 1
-
-
作者
徐芳芯
樊嵘
马小陆
-
机构
京都情报大学院大学应用信息技术研究科
安徽工业大学电气与信息工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第3期250-258,共9页
-
基金
国家自然科学基金(62172004,61872004)
安徽省科技重大专项(202003a05020028)
+1 种基金
安徽省高等学校自然科学研究重点项目(KJ2019A0065)
芜湖市核心技术攻关科技计划项目(2022hg10)。
-
文摘
针对拥挤行人检测场景下检测算法容易产生漏检与误检的问题,提出一种改进的YOLOv7拥挤行人检测算法。在骨干网络中引入BiFormer视觉变换器和改进的高效层聚合网络(RC-ELAN)模块,通过自注意力机制与注意力模块使骨干网络更多聚焦于被遮挡行人的重要特征,有效缓解了目标特征缺失对检测造成的负面影响。采用基于双向特征金字塔网络思想的改进颈部网络,通过转置卷积和改进的Rep-ELAN-W模块使模型可以高效利用中低维特征图中的小目标特征信息,有效提升了模型的小目标行人检测性能。引入高效的完全交并比损失函数,使模型可以进一步收敛至更高精度。在含有大量小目标遮挡行人的WiderPerson数据集上的实验结果表明,与YOLOv7、YOLOv5、YOLOX算法相比,改进的YOLOv7算法的交并比阈值分别取0.5和0.5~0.95时的平均精准度提升了2.5和2.8、9.9和7.1、12.3和10.7个百分点,可较好地应用于拥挤行人检测场景。
-
关键词
机器视觉
拥挤行人检测
注意力机制
YOLO系列算法
双向特征金字塔网络
-
Keywords
machine vision
crowded pedestrian detection
attention mechanism
YOLO series algorithms
Bi-directional Feature Pyramid Network(BiFPN)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名改进AdaMixer的拥挤行人检测模型
- 2
-
-
作者
林宁
左悦
冯兴华
-
机构
南宁学院信息工程学院
南宁学院土木与建筑工程学院
西南科技大学信息工程学院
-
出处
《计算机工程与设计》
北大核心
2024年第5期1525-1532,共8页
-
基金
广西自然科学基金项目(2023GXNSFAA026333)
广西教育厅中青年基金项目(2021KY1805、2019KY0949)。
-
文摘
为应对拥挤场景中行人检测的挑战,提出一种改进型AdaMixer的行人检测模型。提出一种头交互位置感知多头自注意力机制(HIPA-MHSA),以加强对相互遮挡目标的辨别能力。采用深度卷积前馈网络(DCFFN),进一步提升模型的特征提取效能。通过在公开数据集上进行验证,表明了所提出模型的有效性。填补了现有查询型目标检测器在语义和空间自适应方面的不足,提高了拥挤场景下行人检测的精度,表现优于其它对比模型。
-
关键词
拥挤行人检测
深度卷积前馈网络
头交互位置感知
多头自注意力机制
多尺度特征
自适应融合
城市行人
-
Keywords
crowded pedestrian detection
DCFFN
HIPA
MHSA
multi-scale features
adaptive fusion
city persons
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名面向拥挤行人检测的CA-YOLOv5
被引量：22
- 3
-
-
作者
陈一潇
阿里甫·库尔班
林文龙
袁旭
-
机构
新疆大学软件学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第9期238-245,共8页
-
基金
新疆维吾尔自治区自然科学基金(2021D01C082)。
-
文摘
针对YOLOv5在拥挤行人检测任务中漏检率高、特征融合不充分等问题,提出了CA-YOLOv5行人检测算法。针对原主干网络对细粒度特征融合不充分的问题,采用Res2Block重建YOLOv5的主干网络,以提升网络的细粒度特征融合能力,提高检测精度。针对数据集目标尺度变化大的问题,引入coordinate attention(CA)模块增强感受野,增强模型对目标的精确定位能力。针对FPN结构在特征融合时导致多尺度特征表达能力下降的问题,提出特征增强模块,以增强多尺度特征的表达能力。通过结构重参数化的方法减少模型的计算量与参数量,加快目标检测速度。针对行人检测任务中普遍存在的拥挤行人问题,提出EViT模块,增强模型关注局部信息的能力,提高检测精度。实验证明,在拥挤行人检测任务中,CA-YOLOv5的检测精度达到84.86%,相较于原算法提高了3.75%,检测速度可以达到51 FPS,具有较好的检测精度与实时性。因此,CA-YOLOv5可以更好地应用于实时行人检测任务中。
-
关键词
深度学习
YOLOv5
拥挤行人检测
Res2Net
-
Keywords
deep learning
YOLOv5
crowded pedestrian detection
Res2Net
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLOv5的拥挤行人检测算法
被引量：17
- 4
-
-
作者
王宏
韩晨
袁伯阳
田增瑞
盛英杰
-
机构
郑州轻工业大学建筑环境工程学院
河南省智慧建筑与人居环境工程技术研究中心
-
出处
《科学技术与工程》
北大核心
2023年第27期11730-11738,共9页
-
基金
河南省科技攻关项目(232102211050,222102220071,222102320298,20212102310519,212102210535)
河南省高等学校重点科研项目(22A470014,20A620005,19A413013)
郑州轻工业大学2021年度星空众创空间项目(2021ZCKJ106)。
-
文摘
针对密集场景下行人检测的目标重叠和尺寸偏小等问题,提出了基于改进YOLOv5的拥挤行人检测算法。在主干网络中嵌入坐标注意力机制,提高模型对目标的精准定位能力;在原算法三尺度检测的基础上增加浅层检测尺度,增强小尺寸目标的检测效果;将部分普通卷积替换为深度可分离卷积,在不影响模型精度的前提下减少模型的计算量和参数量;优化边界框回归损失函数,提升模型精度和加快收敛速度。实验结果表明,与原始的YOLOv5算法相比,改进后YOLOv5算法的平均精度均值提升了7.4个百分点,检测速度达到了56.1 f/s(帧/秒),可以满足密集场景下拥挤行人的实时检测需求。
-
关键词
深度学习
拥挤行人检测
小目标检测
YOLOv5
-
Keywords
deep learning
crowded pedestrian detection
small target detection
YOLOv5
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名面向拥挤行人检测的改进DETR算法
被引量：7
- 5
-
-
作者
樊嵘
马小陆
-
机构
安徽工业大学电气与信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第19期159-165,共7页
-
基金
国家自然科学基金(62172004,61872004)
安徽省科技重大专项(202003a05020028)
安徽高校自然科学研究重点项目(KJ2019A0065)。
-
文摘
拥挤行人检测是行人检测领域的研究热点。针对拥挤行人检测场景中被遮挡目标及小目标行人易产生漏检的问题,提出一种改进DETR目标检测算法。针对拥挤行人场景中遮挡目标特征缺失的问题,采用注意力模型DETR作为基准模型,使模型可以在缺失部分特征的前提下完成目标检测;针对DETR模型对小目标行人检测效果差的问题,引入可变形注意力编码器,使模型可以有效利用含有大量小目标信息的多尺度特征图提升对小目标行人的检测精度;针对ResNet-50骨干网络对重要特征提取及提纯效率较低的问题,采用融合了通道空间注意力模块的改进EfficientNet骨干网络作为特征提取网络,提升模型对重要特征的提取能力以及提纯效率;针对采用注意力检测模块的模型训练效率较低的问题,训练时将Smooth-L1与GIOU结合作为损失函数,使模型可以进一步收敛至更高精度。在Wider-Person拥挤行人检测数据集上的实验结果表明,所提算法领先YOLO-x算法0.039的AP50精度,领先YOLO-v5算法0.015的AP50精度。该算法可以较好地运用于拥挤行人检测任务。
-
关键词
机器视觉
拥挤行人检测
注意力机制
DETR算法
-
Keywords
machine vision
crowded pedestrian detection
attentional mechanisms
DETR algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
