典型文献
一种面向遮挡行人检测的改进YOLOv3算法
文献摘要：
在密集行人检测场景中,目标间的相互遮挡重叠会造成YOLOv3模型的检测性能下降.针对造成YOLOv3性能下降的原因提出三点改进.一是提出了一种聚拢损失函数,通过优化预测框坐标的方差与均值,使得属于同一个目标的预测框更加紧致,进而降低假阳率.二是提出了一种高分辨率特征金字塔,通过上采样提高每层金字塔特征的分辨率,并引入浅层特征以增强相邻子特征的差异,从而为高重叠目标生成具有区分度的深度特征.三是提出了一种基于空间注意力机制的检测头,用以降低冗余预测框的数量,减少非极大值抑制(NMS)过程的计算负担.在密集行人数据集CrowdHuman上进行的实验的结果显示,所提算法在使用传统NMS方法的情况下使得YOLOv3检测的平均精度和召回率分别提高了 2.91个百分点和3.20个百分点,丢失率降低了 1.24个百分点,有效提升了对遮挡行人的检测性能.
文献关键词：
机器视觉;目标检测;神经网络;行人检测;注意力机制
中图分类号：
作者姓名：
李翔;何淼;罗海波
作者机构：
中国科学院光电信息处理重点实验室,辽宁沈阳110016;中国科学院沈阳自动化研究所,辽宁沈阳110016;中国科学院机器人与智能制造创新研究院,辽宁沈阳110169;中国科学院大学,北京100049
文献出处：
引用格式：
[1]李翔;何淼;罗海波-.一种面向遮挡行人检测的改进YOLOv3算法)[J].光学学报,2022(14):152-161
A类：
CrowdHuman
B类：
遮挡行人,行人检测,YOLOv3,检测性能,性能下降,聚拢,损失函数,同一个,加紧,紧致,高分辨率特征,特征金字塔,上采样,每层,金字塔特征,增强相,区分度,深度特征,空间注意力机制,检测头,低冗余,非极大值抑制,NMS,计算负担,召回率,百分点,丢失率,机器视觉,目标检测
AB值：
0.375006
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。
