典型文献
基于深度学习的多模态行人检测算法
文献摘要：
针对全天候工作的多模态行人检测算法体积大、运算量高、效率不足的问题,提出一种基于深度学习MBNet算法搭建的轻量级多模态行人检测算法(G-MBNet).采用ResNetl8算法并结合跨阶段链接的思想搭建CSP-ResNetl8轻量级特征提取网络,以保证检测算法精度;引入轻量级高效通道注意力(ECA)模块来提升特征提取网络对重要特征的关注能力,在引入极少参数的情况下提升算法的检测精度;通过引入轻量级Ghost卷积模块来重构MBNet算法的特征提取网络,在保证特征提取性能的情况下进一步降低算法的参数与体积,提升算法的检测速度.采用所提的G-MBNet算法在KAIST行人数据集进行测试,实验结果表明:G-MBNet算法大小是原始算法的32.33％,参数量是原始算法的37.81％,检测速度是原始算法的1.53倍;G-MBNet算法可在保证行人识别精度的情况下有效提升检测速度.
文献关键词：
行人检测;多模态融合;轻量级网络;Ghost卷积;注意力机制
中图分类号：
作者姓名：
李晓艳;符惠桐;牛文涛;王鹏;吕志刚;王伟明
作者机构：
西安工业大学电子信息工程学院,710021,西安;西安翔迅科技有限责任公司,710068,西安;西安工业大学发展规划处,710021,西安;陕西航天技术应用研究院有限公司,710100,西安
文献出处：
引用格式：
[1]李晓艳;符惠桐;牛文涛;王鹏;吕志刚;王伟明-.基于深度学习的多模态行人检测算法)[J].西安交通大学学报,2022(10):61-70
A类：
MBNet,ResNetl8
B类：
行人检测,检测算法,全天候,运算量,CSP,特征提取网络,高效通道注意力,ECA,极少,检测精度,Ghost,卷积模块,检测速度,KAIST,参数量,行人识别,识别精度,多模态融合,轻量级网络,注意力机制
AB值：
0.228361
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。
