针对目标检测算法对小目标行人识别率低、对监控远处视野目标检测精度不理想的问题,提出了改进YOLOv5高效多尺度特征利用的行人检测算法。首先,通过在原网络中改进高效的特征融合结构,提高模型对深层特征的感知力来提高模型精度;其次,采...针对目标检测算法对小目标行人识别率低、对监控远处视野目标检测精度不理想的问题,提出了改进YOLOv5高效多尺度特征利用的行人检测算法。首先,通过在原网络中改进高效的特征融合结构,提高模型对深层特征的感知力来提高模型精度;其次,采用Res2Net Block重构骨干网络,加强对细粒度特征信息的利用;最后,加入改进的空间金字塔注意力池化网络,强化模型的多层次特征表达能力。在CrowdHuman数据集进行训练和验证,YOLOv5-SA的平均检测精度达到了85.6%,相比原算法提高了3.8%,检测速度可以达到51 FPS(frames per second),识别精度和检测速度均具有较好的效果,可以有效应用于密集目标行人检测任务。展开更多
文摘针对目标检测算法对小目标行人识别率低、对监控远处视野目标检测精度不理想的问题,提出了改进YOLOv5高效多尺度特征利用的行人检测算法。首先,通过在原网络中改进高效的特征融合结构,提高模型对深层特征的感知力来提高模型精度;其次,采用Res2Net Block重构骨干网络,加强对细粒度特征信息的利用;最后,加入改进的空间金字塔注意力池化网络,强化模型的多层次特征表达能力。在CrowdHuman数据集进行训练和验证,YOLOv5-SA的平均检测精度达到了85.6%,相比原算法提高了3.8%,检测速度可以达到51 FPS(frames per second),识别精度和检测速度均具有较好的效果,可以有效应用于密集目标行人检测任务。
