多分支结构和双池化注意力机制的RetinaNet行人检测

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：行人检测技术结合行人跟踪和行为分析等技术,可广泛应用在交通、安防和机器交互等与人们生活息息相关的领域,但行人的多尺度变化一直是行人检测的难点.针对传统RetinaNet算法在多尺度行人检测过程中存在的误检、漏检和检测精度低等缺陷,提出一种改进的RetinaNet算法来提升网络模型的检测能力.主要有以下两方面创新:首先,为了获取到更多的语义信息,采用多分支结构来扩展网络,以提取不同深度下不同感受野的特征;其次,为了使模型更关注行人特征的重要信息,在模型预测头部分嵌入双池化注意力机制,增强通道间特征信息的相关性,抑制不重要的信息,以提高模型的检测精度.在COCO等不同的数据集上进行实验,结果表明,与传统的RetinaNet模型相比,所提出的模型在各个评价指标上均有所提升,具有良好的性能,可以满足行人检测的需要.

作者：

凌以运、王智文、白云、谢世步、韦秋伶、何雨鲜

展开 >

作者单位：

广西科技大学电子工程学院,广西柳州 545006

柳州工学院信息科学与工程学院,广西柳州 545616

广西科技大学计算机科学与技术学院,广西柳州 545006

关键词：

行人检测 RetinaNet 多分支结构行人特征双池化注意力机制行人跟踪行为分析

出版年：

2025

DOI：