-
题名关键特征感知并行细粒度特征提取的密集行人检测
- 1
-
-
作者
齐向明
刘晓暄
王子键
-
机构
辽宁工程技术大学软件学院
-
出处
《计算机工程与应用》
2026年第1期297-306,共10页
-
基金
国家自然科学基金面上项目(62173171)。
-
文摘
针对密集行人检测中存在目标密集且相互遮挡问题,提出一种关键特征感知并行细粒度特征提取的密集行人检测算法。以YOLOv8n为基线网络,在vision Transformer中再次加入自注意力机制得到DS-ViT(dual search)深度感知全局关键特征,优化CBS使用3个3×3Conv,设计双支路加入空间注意力机制得到FE-Conv(feature enhance)增强空间和通道双重特征提取局部细粒度,DS-ViT与FE-Conv并行重构主干网络,增强多尺度特征提取能力;颈部网络输入端嵌入空间注意力机制,增强多层次特征融合;检测网络新增三个卷积层,删减20×20检测头,降低漏检和错检率。在自制数据集上做消融实验和对比实验,与基线网络对比,mAP、Precision、Recall、IoU和FPS分别提高5.4个百分点、4.9个百分点、6.4个百分点、6.2个百分点和6.2,Parameters值仅增加1×10^(5),表明该算法有良好表现。在公开数据集WiderPerson上做泛化实验,较基线网络平均检测精度提升1.6个百分点,表明该算法具备较好鲁棒性。
-
关键词
密集行人检测
关键特征深度感知
细粒度特征双重提取
YOLOv8n
视觉变换器(ViT)
cbs
-
Keywords
dense pedestrian detection
key feature depth perception
fine-grained feature double extraction
YOLOv8n
vision Transformer(ViT)
convolution+batchnorm+silu(cbs)
-
分类号
TP391.4
[自动化与计算机技术]
-
