科研之友
微信
新浪微博
Facebook
分享链接
摘要
目标检测是自动驾驶的重要前提，是与外界信息交互的重要环节。针对夜间远处行人检测识别精度低、漏检的问题，提出一种针对检测小尺寸行人的YOLOv5-p4的夜间行人识别模型。首先，通过增加更小目标的检测层，引入BiFPN特征融合机制，防止小目标被噪声淹没，使网络模型可以更聚焦于物体的细小特征；同时使用K-means先验框聚类出更小目标的锚框，并且使用了多尺度的数据增强方法，增加模型的鲁棒性。使用了MetaAcon-C激活函数与EIoU回归损失函数使模型收敛效果更好，提升了算法远距离行人的检测的准确率。最后在红外行人数据集FLIR上验证改进后的YOLOv5-p4模型对于行人的检测能力，实验结果表明该方法与传统方法相比，准确率从86.9%提升到90.3%,适合用于红外图像中的行人检测。
- 单位
