典型文献
基于GhostNet与注意力机制的行人检测跟踪算法
文献摘要：
针对复杂场景下仅依靠传统的目标检测与跟踪算法进行跟踪时准确度低且速度慢的问题,提出一种基于GhostNet与注意力机制结合的行人检测与跟踪算法.首先,将YOLOv3的主干网络替换为GhostNet,保留多尺度预测部分,利用Ghost模块减少深度网络模型参数和计算量,在Ghost模块中融入注意力机制给予重要特征更高的权值.然后,引入目标检测的直接评价指标GIoU来指导回归任务.最后,利用Deep-Sort算法进行跟踪.在公共数据集上实验表明,改进后的模型平均精确度均值(mean Average precision,mAP)达到了92.53％,帧速率是YOLOv3模型的2.5倍;所提算法跟踪准确度优于改进前及其他算法,可以精确有效地跟踪复杂场景下的多目标行人,并具有较强的鲁棒性.
文献关键词：
视频监控;目标检测;行人跟踪;YOLOv3;GhostNet;Deep-Sort跟踪算法
中图分类号：
作者姓名：
王立辉;杨贤昭;刘惠康;黄晶晶
作者机构：
武汉科技大学冶金自动化与检测技术教育部工程研究中心,武汉 430081
文献出处：
引用格式：
[1]王立辉;杨贤昭;刘惠康;黄晶晶-.基于GhostNet与注意力机制的行人检测跟踪算法)[J].数据采集与处理,2022(01):108-121
A类：
B类：
GhostNet,注意力机制,行人检测,检测跟踪算法,复杂场景,目标检测与跟踪,速度慢,YOLOv3,主干网络,多尺度预测,深度网络模型,计算量,权值,直接评价,GIoU,Deep,Sort,公共数据,模型平均,mean,Average,precision,mAP,进前,确有,视频监控,行人跟踪
AB值：
0.39916
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。
