-
题名一种改进YOLOv8的密集行人检测算法
被引量：25
- 1
-
-
作者
高昂
梁兴柱
夏晨星
张春炯
-
机构
安徽理工大学计算机科学与工程学院
安徽理工大学环境友好材料与职业健康研究院(芜湖)
同济大学电子与信息工程学院
-
出处
《图学学报》
CSCD
北大核心
2023年第5期890-898,共9页
-
基金
国家自然科学基金项目(62102003)
安徽理工大学环境友好材料与职业健康研究院研发专项(ALW2021YF04)
芜湖市科技计划项目(2020yf48)。
-
文摘
针对密集场景中小尺度的遮挡行人容易漏检的问题,提出一种改进YOLOv8检测算法。首先,针对小尺度行人特征提取问题,采用由可变形卷积改进的骨干网络增强网络对特征的提取能力,并设计遮挡感知注意力机制增强遮挡行人可见部分特征;其次,针对密集行人场景检测头定位不准的问题,设计动态解耦头增强对多尺度行人特征的关注,提高检测头的表达能力;最后,针对模型训练效率低的问题,训练时采用Wise-Io U与分布式聚焦损失结合的回归损失,提高模型的收敛能力。通过实验结果分析,改进YOLOv8算法在2个具有挑战性的密集行人数据集Crowd Human和WiderPerson上性能优秀,AP50分别达到90.6%和92.3%,AP50:95分别达到62.5%和68.2%。相较原算法有了较大提升,且与其他先进行人检测模型进行比较时表现出了很强的竞争力。所提算法在密集行人检测任务中具有广泛的应用前景。
-
关键词
YOLOv8
密集行人检测
遮挡感知注意力
可变形卷积
动态解耦头
-
Keywords
YOLOv8
dense pedestrian detection
occlusion-aware attention
deformable convolution
dynamic decoupled head
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
