典型文献
基于YOLOv4改进算法的复杂行人检测模型研究
文献摘要：
在图像和视频序列中进行行人检测时,存在行人姿态和尺度多样及行人遮挡的问题,导致YOLOv4算法对部分行人检测不准确,存在误检和漏检的情况.针对这一问题,提出了基于YOLOv4改进算法的复杂行人检测模型.首先,使用改进的k-means聚类算法对行人数据集真实框尺寸进行分析,根据聚类结果确定先验框尺寸;其次,利用PANet进行多尺度特征融合,增强对多姿态、多尺度行人目标的敏感度,以提高检测效果;最后,针对行人遮挡问题,使用斥力损失函数使预测框尽可能地靠近正确的目标.实验表明,相比于YOLOv4和其他行人检测模型,新提出的检测模型具有更好的检测效果.
文献关键词：
行人检测;YOLOv4算法;k-means聚类算法;多尺度特征融合;斥力损失
中图分类号：
作者姓名：
李兰;刘杰;张洁
作者机构：
青岛理工大学信息与控制工程学院,山东 青岛 266000
文献出处：
引用格式：
[1]李兰;刘杰;张洁-.基于YOLOv4改进算法的复杂行人检测模型研究)[J].计算机工程与科学,2022(08):1449-1456
A类：
斥力损失
B类：
YOLOv4,改进算法,行人检测,检测模型,视频序列,行行,分行,测不准,漏检,means,聚类算法,寸进,先验框,PANet,多尺度特征融合,多姿态,高检,检测效果,遮挡问题,损失函数
AB值：
0.274501
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。
