图像跨尺度特征融合与数据增强的公交客流检测模型

作者：黄丽^*; 龚志鹏; 刘凡凡; 程起敏

来源：武汉大学学报(信息科学版), 2023, 1-10.

DOI：10.13203/j.whugis20220690

• 深度学习
• YOLOv5s＿P
• 公交客流
• 目标检测

针对目前公交客流目标检测中由于前后排乘客图像尺寸差距大、遮挡严重而难以检测的问题，本文提出了一种改进的目标检测模型YOLOv5s＿P。该模型基于YOLOv5基本架构，针对乘客图像尺寸差距大的问题，使用BiFPN结构替换YOLOv5中的PANet结构，引入权重机制双向跨尺度融合不同特征，增强提取复杂目标特征的能力；同时针对遮挡问题，结合Mixup数据增强方法，扩充遮挡和重叠图像的训练样本，提高模型泛化能力，减少客流图像残缺导致的漏检。为了验证YOLOv5s＿P模型性能，将其应用于实际公交场景中，并与Faster R-CNN、SSD300、RetinaNet、YOLOv5s四种模型进行对比测试。实验结果表明，YOLOv5s＿P模型在不影响检测速度的情况下，能够有效提高客流检测准确性，对遮挡目标的检测效果显著提升。

• 单位
  中南民族大学; 华中科技大学; 电子信息工程学院