设计应用

基于Anchor-free架构的行人检测方法

作者：张庆伍，关胜晓
发布日期：2020-12-17
来源：2020年信息技术与网络安全第4期

0    引言

行人检测是智能安防和车辆辅助驾驶等实际应用的关键技术。随着计算机视觉技术的快速发展，目标检测算法的性能也不断提升。目前基于深度学习的目标检测方法按照是否提出预选框可以分为两大类：一类是基于预选框的检测算法，该类算法首先预先设置预选框，然后通过预选框和真实目标进行匹配，最终选出合适的预选框进行训练，这类算法以FasterRCNN和SSD为代表；另一类是不使用预选框的检测算法，该类算法首先对预测目标的关键点进行标注，然后将深度神经网络的输出设置成相同的格式，直接进行训练，这类算法以YOLO和DenseBox为代表。其中，Anchorfree的算法框架结构简洁，更加适用于计算资源较少的实际应用场景。本文在Anchor-free算法的基础上，首先使用不同的基础网络构建检测算法，然后选出性能稳定的基础网络，利用特征金字塔结构对不同卷积层上的特征图进行融合，提升检测效果，最后使用多尺度预测的方法，通过不同尺度的预测图生成了更多的检测结果，再次提升了检测效果。本文算法在Citypersons数据集上进行了验证，其检测精度相较其他行人检测算法有一定提升。






本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003204





作者信息：

张庆伍，关胜晓

(中国科学技术大学 微电子学院，安徽 合肥 230026)


此内容为AET网站原创，未经授权禁止转载。
无预选框 行人检测 特征融合 多尺度检测

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2

Baidu
map