-
题名面向复杂场景的多尺度行人和车辆检测算法
被引量：1
- 1
-
-
作者
王娟敏
皮建勇
黄昆
胡伟超
胡倩
-
机构
贵州大学计算机科学与技术学院公共大数据国家重点实验室
-
出处
《现代电子技术》
北大核心
2025年第9期143-153,共11页
-
文摘
为了解决行人和车辆检测任务中由于多尺度和遮挡现象导致漏检的问题,文中提出一种基于YOLOv8的改进检测算法RDRFM-YOLO。对于主干网络,设计RFDRep模块替代卷积和C2f模块,以加强网络对于不同尺度特征的捕获能力;对于颈部网络,设计SFMS模块进行优化,以提升模型对遮挡目标的特征提取能力。在自制的行人和车辆数据集上的实验表明,改进的RDRFM-YOLO相较于原始算法有更好的性能表现,同时保持了高效的检测效率。mAP@0.5达到了56.7%,mAP@0.5:0.95达到了37.3%,相比于原始算法分别提高了2.8%和2.3%,参数量和浮点运算量为3.3×10^(6)和9.2×10^(9),相比于原始算法仅增加了0.1×10^(6)和0.3×10^(9)。同时,模型在多个数据集上均有较好的性能表现。
-
关键词
行人和车辆检测
多尺度
遮挡
RDRFM-YOLO
RFDRep模块
SFMS模块
-
Keywords
pedestrian and vehicle detection
multi-scale
occlusion
RDRFM-YOLO
RFDRep module
SFMS module
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名机器人视觉中行人和车辆检测算法的研究
被引量：3
- 2
-
-
作者
高瑞贞
李树楠
李晓辉
-
机构
河北工程大学机械与装备工程学院
-
出处
《机械设计与制造》
北大核心
2023年第10期277-280,共4页
-
基金
河北省高校科技攻关项目(ZD2018207)。
-
文摘
对车辆和行人进行快速且准确的检测是机器人视觉和自动驾驶领域的一个难题,为了解决这个难题,提出一种基于深度学习网络的行人车辆检测算法,这是一种端到端的单阶段检测方法。主要使用多级跳跃连接网络和多级特征融合网络。多级跳跃链接网络在特征提取阶段避免了反向传播过程中的梯度消失、爆炸和退化等优化问题,从而提高检测精度和模型的收敛速度。多级特征融合网络对来自不同层次的多尺度特征变化尺度后进行特征信息融合,可以提取到比较低层的信息以提高算法的精度。这里的算法在多个公开的数据集上进行实验,实验结果表明,与目前的一些主流算法相比,行人和车辆的平均检测精度大幅提高,在精度提高的情况下,具有更快的检测速度,有较高的应用潜力。
-
关键词
机器人视觉
人工智能
深度学习
目标检测
行人和车辆检测
-
Keywords
Robot Vision
Artificial Intelligence
Deep Learning
Objection Detection
Pedestrian and Vehicle Det-ection
-
分类号
TH16
[机械工程—机械制造及自动化]
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
