科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于卷积神经网络的行人检测方法对行人检测性能有了很大的提升，但当前行人检测方法计算量大，占用了较多的计算机资源。为了解决这种问题，提出了一种改进的YOLOv5行人检测算法。该算法在保证检测精度不变、减小权重大小、提升检测速度的情况下，在原有的YOLOv5网络基础上引入轻量级卷积模块Ghost卷积，并且为了提高检测精度，在主干网络中加入轻量注意力机制ECA。为了进一步提高检测精度，将原有的特征融合网络PAN+FPN结构替换为加权双向金字塔结构BiFPN。通过实验结果表明，经过引入和替换模块后，模型网络精度保持不变，模型大小减小了约2.13倍，浮点型计算量减少了约2.51倍，检测速度（FPS）提高了约1.67倍。
- 单位
