典型文献
改进YOLO V5的密集行人检测算法研究
文献摘要：
针对在人员密集区或相互拥挤场景下进行的行人目标检测时,因行人遮挡或人像交叠所导致的跟踪目标丢失、检测识别率低的问题,提出了一种融合注意力机制的改进YOLO V5算法.通过引入注意力机制来深入挖掘特征通道间关系和特征图空间信息,进一步增强了对行人目标可视区域的特征提取.为提高模型的收敛能力,利用CIoU、DIoU_NMS代替YOLO V5的原有损失函数优化anchor的回归预测,降低了网络的训练难度,提升了遮挡情况下的检测率;同时,结合数据增强及标签平滑算法进一步提高了特征模型的泛化能力和分类器性能.相比于一般的YOLO V5算法,论文所提出的改进算法在人员密集区或相互拥挤场景下进行行人检测时,具有更高的准确率和更低的漏检率,同时保持了原有算法的实时性.
文献关键词：
行人检测;拥挤场景;YOLO V5;注意力机制
中图分类号：
作者姓名：
曹选;郝万君
作者机构：
苏州科技大学 物理科学与技术学院,江苏 苏州 215009;苏州科技大学 电子与信息工程学院,江苏 苏州 215009
文献出处：
引用格式：
[1]曹选;郝万君-.改进YOLO V5的密集行人检测算法研究)[J].苏州科技大学学报（自然科学版）,2022(04):64-72
A类：
可视区
B类：
YOLO,V5,行人检测,检测算法,算法研究,人员密集,密集区,拥挤场景,行人目标检测,遮挡,人像,交叠,跟踪目标,检测识别,识别率,注意力机制,特征图,空间信息,收敛能力,CIoU,DIoU,NMS,有损,损失函数优化,anchor,回归预测,检测率,数据增强,标签平滑,平滑算法,特征模型,泛化能力,分类器,改进算法,行行,漏检率
AB值：
0.453328
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
