-
作者
马明杰马小陆唐得志赵远齐晶晶瞿元
-
单位
安徽工业大学电气与信息工程学院安徽工业大学芜湖技术创新研究院安徽达尔智能控制系统股份有限公司奇瑞汽车股份有限公司
-
摘要
针对密集行人检测场景存在目标尺度过小以及目标遮挡等问题，提出一种基于改进YOLOv7的密集行人检测算法。首先在特征提取网络引入MobileNet注意力模块，减少模型计算量和增强特征提取能力；其次在特征融合网络加入BepC3模块，提升了行人多尺度特征融合的能力；最后采用WD-Loss作为定位损失函数，提高模型检测的定位精度。在Wider-Person拥挤行人检测数据集上进行训练和验证，实验结果表明改进后的算法模型AP50精度达到了0.784,领先原YOLOv7算法0.031。
-
关键词
密集行人检测YOLOv7MobileNetBepC3WD-Loss
-
基金项目(Foundation)
国家自然科学基金资助项目(62172004,61872004)；安徽省科技重大专项(202003a05020028)；安徽省高校协同创新项目(GXXT-2023-020)；芜湖市核心技术攻关科技计划项目(2022hg10)；芜湖市科技计划项目(2023kx17)；
-
文章目录
1 YOLOv7算法介绍
2 本文改进
2.1 DSC深度可分离卷积模块
2.2 SE注意力模块
2.3 MobileNet注意力模块
2.4 改进骨干网络
2.5 可重参数化卷积
2.6 CSPDarknet53模块
2.7 BepC3模块
2.8 改进的颈部网络
2.9 改进的YOLOv7网络结构
2.10 损失函数改进
3 实验结果与分析
3.1 实验数据集
3.2 实验设备与评价指标
3.3 消融实验
3.4 横向对比实验
3.5 实验结果可视化
4 结论
-
引用格式
[1]马明杰,马小陆,唐得志,等.基于深度学习的密集行人检测场景算法研究[J].河北工程大学学报(自然科学版),2024,41(04):103-112.
河北工程大学学报（自然科学版） 
2024年第04期 
