典型文献
基于改进YOLOv3的行人检测研究
文献摘要：
针对YOLOv3在检测行人时易漏检小目标以及遮挡问题,提出了一种改进的YOLOv3行人检测模型.改进模型采用K-means++聚类算法取代原K-mean聚类算法,以减轻因初始聚类中心随机选择不当对结果所造成的误差影响;通过加入残差网络模块方法的轻量化模型,并在结构中加入CBAM注意力机制与MHSA多头自注意力机制;通过高效的分配计算资源与捕获全局信息,来提高算法的特征提取能力.实验表明,改进后的算法在CUHK数据集上取得了较好的效果,其中通过实验得到的mAP值为88.20％,相对原算法提升了17.45％,有着较好的特征提取能力,提升了检测小目标与被遮挡行人的能力,同时在检测精准度方面更优.
文献关键词：
行人检测;YOLOv3;K-means++;残差网络模块;CBAM注意力机制;MHSA多头自注意力机制
中图分类号：
作者姓名：
车启谣;严运兵
作者机构：
武汉科技大学 汽车与交通工程学院,武汉430065
文献出处：
引用格式：
[1]车启谣;严运兵-.基于改进YOLOv3的行人检测研究)[J].智能计算机与应用,2022(08):8-13
A类：
B类：
YOLOv3,行人检测,漏检,小目标,遮挡问题,检测模型,改进模型,means++,聚类算法,初始聚类中心,随机选择,误差影响,残差网络模块,轻量化模型,CBAM,MHSA,多头自注意力机制,计算资源,全局信息,特征提取能力,CUHK,mAP,遮挡行人
AB值：
0.328873
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。
