基于YOLOv4的行人检测算法OA
针对实际场景下YOLOv4模型难以处理遮挡行人的问题,在保证YOLOv4模型实时性的情况下做出了改进,将YOLOv4模型应用于行人检测。为了提高模型检测遮挡行人的能力,模型采用K-means++聚类算法重新设计适用于行人目标尺寸的先验框,引入排斥损失函数项,使候选框与临近的非匹配目标真实框距离最大化,候选框和其他目标真实框的重叠比例最小化。改进后模型在具有挑战性的数据集CrowdHuman和Caltech上进行实验,实验结果均验证了文中方法的有效…查看全部>>
王洪元;齐鹏宇;唐郢;张继;朱繁;徐志晨
常州大学计算机与人工智能学院,江苏常州213164常州大学计算机与人工智能学院,江苏常州213164常州大学计算机与人工智能学院,江苏常州213164常州大学计算机与人工智能学院,江苏常州213164常州大学计算机与人工智能学院,江苏常州213164常州大学计算机与人工智能学院,江苏常州213164
计算机与自动化
行人检测单阶段目标检测排斥损失函数遮挡行人
《常州大学学报（自然科学版）》 2024 (5)
P.52-60,9
国家自然科学基金资助项目(61976028,61572085,61806026,61502058)江苏省自然科学基金资助项目(BK20180956)。