-
题名一种基于YOLOv4的密集人群小目标检测方法
- 1
-
-
作者
王翀
王同军
周正一
-
机构
海军装备部装备审价中心
-
出处
《应用科技》
CAS
2024年第2期82-89,共8页
-
文摘
针对密集人群中由于视觉受阻和目标被遮挡导致小目标检测精度不佳的问题,本文基于YOLOv4模型将卷积块–像素块注意力机制模块(convolutional-pixel block attention module,CBAM-PIX)融入主干网络CSPDarknet53,并利用级联思想改进特征融合网络。注意力机制方法和特征融合方法不仅提升了数据的丰富性,而且提高了空间通道像素提取信息的能力和目标检测的准确性。此外,通过减少网络层数降低计算量和减少参数,提高了网络模型在有限计算资源和设备需求下的适应能力。实验结果表明,改进的模型算法在用于密集人群小目标检测时精确度提升了1.96%,且鲁棒性强。该算法为解决复杂背景下密集人群小目标检测提供了有效的解决方案,具有应用价值。
-
关键词
小目标检测
YOLOv4
特征提取
卷积块–像素块注意力机制模块
密集人群
多尺度特征网络
widerperson数据集
特征融合
-
Keywords
small target detection
YOLOv4
feature extraction
convolutional-pixel block attention module
dense crowds
multi-scale feature network
widerperson dataset
feature fusion
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
