基于改进YOLOv5s的车辆行人检测

作者：史涛; 刘祖林; 朱文旭; 马青亮

来源：国外电子测量技术, 2023, 42(12): 195-200.

DOI：10.19652/j.cnki.femt.2305307

• 小目标检测
• 特征金字塔
• 特征提取
• 车辆行人
• 深度学习

针对车辆行人检测中容易出现小目标错检、漏检的问题，提出了一种基于改进YOLOv5s的车辆行人检测算法，首先在不改变原有路径聚合网络(path aggregation network, PANet)的条件下，从头部网络引出第4个检测头，提高对小目标的检测能力，其次在主干网络中设计CF模块来代替原有的下采样模块，增强特征提取能力，然后将Neck网络中通道数减半的C3模块重新设计为S-C3,减少Neck部分的信息丢失问题，最后重新构建空间池化金字塔(spatial pyramid pooling-fast, SPPF)为D-SPP模块，为Neck部分保留更加细致的特征，提高对目标的检测精度。实验采用KITTI数据集，对数据集进行类别合并、删除等处理。实验结果表明，改进后的算法与原算法在KITTI上相比Person、Cyclist类分别提高4%和3.7%,平均精度均值(mAP)mAP@0.5提高2.3%。并且对小目标错检、漏检的问题有明显改善。

• 单位
  天津理工大学; 自动化学院