典型文献
基于通道注意力的轻量行人检测算法
文献摘要：
YOLOv3算法参数量和计算量较大,不适合在移动端上使用.针对这个问题,文中通过优化YOLOv3算法提出一种基于注意力机制的轻量行人检测算法.首先,采用轻量级网络优化YOLOv3模型结构,减少模型的参数量和计算量;其次,设计下采样通道注意力模块代替Darknet53中的下采样层;最后,为了进一步丰富目标特征信息,增强小尺度行人的检测能力,引入特征增强模块.在INRIA数据集上的实验结果表明,所提出方法参数量相比YOLOv3模型降低约18,模型平均准确率提高3.85％.相比其他轻量化算法,提出的算法模型复杂度更低并且检测性能更好.
文献关键词：
行人检测;通道注意力;YOLOv3;轻量级网络;特征增强;深度学习;残差网络;空间金字塔池化
中图分类号：
作者姓名：
张文龙;南新元;徐明明;黄家興
作者机构：
新疆大学 电气工程学院,新疆 乌鲁木齐 830047
文献出处：
引用格式：
[1]张文龙;南新元;徐明明;黄家興-.基于通道注意力的轻量行人检测算法)[J].现代电子技术,2022(16):133-138
A类：
B类：
行人检测,检测算法,YOLOv3,算法参数,参数量,计算量,移动端,端上,注意力机制,轻量级网络,网络优化,模型结构,下采样,通道注意力模块,Darknet53,采样层,目标特征,特征信息,小尺度,检测能力,特征增强模块,INRIA,方法参数,模型平均,平均准确率,轻量化算法,算法模型,模型复杂度,检测性能,残差网络,空间金字塔池化
AB值：
0.404701
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。
