面向拥挤行人检测的CA-YOLOv5OA北大核心CSTPCD
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…查看全部>>
陈一潇;阿里甫·库尔班;林文龙;袁旭
新疆大学软件学院,乌鲁木齐830046新疆大学软件学院,乌鲁木齐830046新疆大学软件学院,乌鲁木齐830046新疆大学软件学院,乌鲁木齐830046
信息技术与安全科学
深度学习YOLOv5拥挤行人检测Res2Net
《计算机工程与应用》 2022 (9)
P.238-245,8
评论