10.3969/j.issn.2095-2783.2021.07.012
基于改进YOLOv3的红外行人目标检测
为了实现对行人目标的精准快速识别,提出一种基于改进YOLOv3的红外检测方法.首先,利用深度可分离卷积对YOLOv3网络进行压缩,构建轻量化模型,提高模型的可用性.其次,引入基于通道注意力机制的压缩与激励网络(squeeze-and-excitation network,SENet),使网络能够关注与目标相关的特征通道并抑制其他无关的通道,增强模型特征提取能力.最后,基于k-means算法对红外数据集进行维度聚类,获取更适合行人目标宽高比的先验框.利用CVC-09红外行人数据集做验证性实验,结果显示:改进后的YOLOv3平均精度达到了92.25%,检测速度为21帧/s,相较于原始YOLOv3分别提高了3.46%和16.67%.实验结果表明,改进后的模型能在保证检测精度的同时,有效减少参数量,提高检测速度.
计算机应用;目标检测;YOLOv3网络;轻量化模型;注意力机制;k-means算法
16
TP391.4(计算技术、计算机技术)
成都市科技局创新创业资助项目2018YF0500893GX
2021-08-11(万方平台首次上网日期,不代表论文的发表时间)
共8页
762-769