文献类型：期刊文章

作　　者：曹伊宁[1] 李超[1] 彭雅坤[1]

CAO Yining;LI Chao;PENG Yakun(College of Information Engineering,Hebei University of Architecture,Zhangjiakou 075000,China)

机构地区：[1]河北建筑工程学院信息工程学院,河北张家口075000

出　　处：《长江信息通信》

基　　金：2021年度河北省高等教育学会“十四五”规划课题(No.GJXHZ2021-22,No.GJXH2021-105);2021年河北省军民融合发展研究课题(No.HB21JMRH015);河北省高等学校科学技术研究项目(No.QN2022097)。

年　　份：2022

卷　　号：35

期　　号：10

起止页码：57-60

语　　种：中文

收录情况：普通刊

摘　　要：针对夜间行人检测任务中存在的检测速度慢、漏检率高、黑夜场景下识别效果差等问题,提出一种改进YOLOv7的夜间行人检测算法。改进算法中,使用YOLOv7-tiny网络作为baseline,以满足准确率的同时兼具较高的检测速度,在网络head部分,使用CSP HorNet模块实现关键特征之间的高阶交互,并引入SimAM注意力机制,在不增加模型复杂度的情况下,使网络聚焦更多重要的特征信息。实验结果表明,改进算法在测试集上准确率(Precision,P)达到91.7%,召回率(Recall,R)达到81.4%,均值平均精度(mean Average Precision,mAP)提升2.9个百分点。改进算法在真实场景检测任务中,有效降低了漏检率及错检率,表现出良好的性能。

关 键 词：深度学习  夜间行人检测  YOLOv7  HORNET SimAM  

分 类 号：TP391.9]