一种融合RepVGG和YOLOv5的行人检测方法

现如今，基于YOLOv5的网络模型被广泛应用在行人检测的任务中，在精度和速度上有着良好的效果。但在终端设备上部署使用，往往受到算力的限制。因而，基于RepVGG模型改进的主干网络，并且为了提高在密集人群和复杂环境下的适应性，加入了坐标注意力机制，扩大感受野的同时增强感兴趣区域的权重。经过实验测试，这种轻量化的网络参数量和计算量比较小，而且检测精度和鲁棒性也比较高，能够在一定程度下满足工程应用的要求。