典型文献
一种基于YOLOv5s和图像融合的行人检测方法
文献摘要：
针对低照度环境下多尺度行人目标检测准确率低的问题,提出了一种基于YOLOv5s和红外、可见光图像融合的行人检测方法.首先,利用生成对抗网络制作可见光、红外融合图像数据集,结合两种图像的优点,减少外界因素对行人检测的影响;然后,将SENet通道注意力模块引入YOLOv5s,让网络更加关注高亮目标,提升行人检测准确性;最后,对YOLOv5s网络结构进行优化,删除部分卷积层,修改激活函数,以保持算法的高实时性.实验结果表明,利用融合图像数据集进行训练,可以得到平均精度均值高于可见光数据集和红外数据集的检测模型,改进后的SE-YOLOv5s算法在保持原算法高实时性的同时,有效提升了行人检测的平均精度均值.
文献关键词：
行人检测;图像融合;注意力机制;深度学习
中图分类号：
作者姓名：
陈世权;王从庆;周勇军
作者机构：
南京航空航天大学自动化学院,南京 210000;近地面探测技术重点实验室,江苏无锡 214000
文献出处：
引用格式：
[1]陈世权;王从庆;周勇军-.一种基于YOLOv5s和图像融合的行人检测方法)[J].电光与控制,2022(07):96-101,131
A类：
B类：
YOLOv5s,和图像,图像融合,行人检测,低照度环境,行人目标检测,检测准确率,可见光图像,生成对抗网络,网络制作,融合图像,图像数据集,外界因素,SENet,通道注意力模块,检测准确性,删除,分卷,卷积层,激活函数,高实时性,平均精度均值,光数,检测模型,注意力机制
AB值：
0.330459
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。
