科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着人工智能深度学习的快速发展，目标检测在智能视频监控、无人驾驶、交通管制等方面有着广泛的应用，尽管众多国内外的研究者在目标检测领域有一些突破，但是实际问题中目标的形变、遮挡以及光线变化等都是关键，那么如何设计合理的检测器适应不同的场景，提高模型的泛化能力也将是该领域的研究重点。论文具体场景是针对行人检测，因此在YOLOv3单阶段的目标检测基础上提出了一种用RepVGG替换主干网络的检测模型，该模型网络层数单一，并且采用了重参数化技术，而且在多尺度融合中将3个尺度的融合改成4尺度融合，提高模型的鲁棒性，在很好的拟合GPU的情况下，提高检测的精度和速度。
