基于YOLOv5s的轻量化行人检测算法

作者：高英; 吴玉虹

来源：现代电子技术, 2023, 46(22): 151-158.

DOI：10.16652/j.issn.1004-373x.2023.22.026

• 行人检测算法
• YOLOv5s
• 轻量化
• EIoU
• CA注意力机制
• GSConv

行人检测系统普遍安装在移动智能设备上，而这些设备对模型的轻量化要求较高，已有算法很难在精度和轻量化之间达到平衡。针对这一问题，提出一种改进的YOLOv5s轻量化行人检测模型。选用EIoU作为边界框损失函数，加速收敛并提高回归精度；结合CA(Coordinate Attention)注意力模块改进主干网络的C3模块，增强模型对行人目标的精确定位能力；引入一种新卷积层GSConv替换颈部网络的卷积层（Conv），以减轻模型的复杂度并保持准确性；引入改进的自注意力模块CoT，进一步提高网络模型的特征表达能力。使用INRIA数据集进行训练和测试，实验结果表明：改进后的模型mAP@0.5达到97%，相比于原始模型提高1.9%,mAP@0.5:0.95提高2.1%；而模型参数量降低10.5%，模型体积降低13%，计算量GFLOPS减少7%，能够在提高行人检测精度的同时使得模型更加轻量化。

• 单位
  自动化学院; 昆明理工大学