摘要
针对复杂街景环境下人群检测精度低的问题,基于YOLOv5 网络,提出一种改进的人群密度检测网络YOLO-C3SE-moblienetV3.将YOLOv5、聚合连接空洞卷积(connected convolutional capsule systems,C3SE)和MobileNet结合,旨在改善目标检测的性能.通过引入C3SE模块,模型能够更好地捕捉多尺度特征和上下文信息,从而提高检测精度.结合MobileNet的轻量级特性,实现高效的特征提取,显著降低模型计算复杂度.实验结果表明,与标准YOLOv5 模型相比,改进后的模型在多个公开数据集上的平均精度(mAP)和推理速度均有所提升.
NETL
NSTL
万方数据