基于YOLOv5融合注意力机制的轻量级行人检测算法研究

作者：卢嫚; 刘秀平; 冯国栋

来源：国外电子测量技术, 2023, 42(08): 96-101.

DOI：10.19652/j.cnki.femt.2304929

• 行人检测
• 嵌入式设备
• 注意力机制
• Stem模块
• 轻量级模型
• YOLOv5

为实现行人自动、快速以及准确检测，提出一种高性能轻量化网络模型。首先，利用图像增强算法对比度自适应直方图均衡化进行图像预处理；其次，针对当前行人检测算法模型参数较多，计算量和内存占用大的问题，将Stem模块和ShuffleNetV2进行融合，并在每个深度卷积中将核大小从3个增加到5个，以获得更大的感受野，同时改进YOLOv5主干网络；最后，针对环境变化导致难以被准确检测的问题，利用ECA注意力模块可以提高数据的丰富性，从而进一步提高特征表达能力和鲁棒性。实验结果表明，改进后的算法能够较好地解决行人检测时易受环境干扰影响导致检测精度下降的问题，其平均检测精度可达94.6%,检测速度为35 fps。

• 单位
  西安工程大学