基于深度学习的多模态行人检测算法 |
| |
引用本文: | 李晓艳,符惠桐,牛文涛,王鹏,吕志刚,王伟明.基于深度学习的多模态行人检测算法[J].西安交通大学学报,2022(10):61-70. |
| |
作者姓名: | 李晓艳 符惠桐 牛文涛 王鹏 吕志刚 王伟明 |
| |
作者单位: | 1. 西安工业大学电子信息工程学院;2. 西安翔迅科技有限责任公司;3. 西安工业大学发展规划处;4. 陕西航天技术应用研究院有限公司 |
| |
基金项目: | 国家自然科学基金资助项目(62171360);;陕西省重点研发计划资助项目(2022GY-110); |
| |
摘 要: | 针对全天候工作的多模态行人检测算法体积大、运算量高、效率不足的问题,提出一种基于深度学习MBNet算法搭建的轻量级多模态行人检测算法(G-MBNet)。采用ResNet18算法并结合跨阶段链接的思想搭建CSP-ResNet18轻量级特征提取网络,以保证检测算法精度;引入轻量级高效通道注意力(ECA)模块来提升特征提取网络对重要特征的关注能力,在引入极少参数的情况下提升算法的检测精度;通过引入轻量级Ghost卷积模块来重构MBNet算法的特征提取网络,在保证特征提取性能的情况下进一步降低算法的参数与体积,提升算法的检测速度。采用所提的G-MBNet算法在KAIST行人数据集进行测试,实验结果表明:G-MBNet算法大小是原始算法的32.33%,参数量是原始算法的37.81%,检测速度是原始算法的1.53倍;G-MBNet算法可在保证行人识别精度的情况下有效提升检测速度。
|
关 键 词: | 行人检测 多模态融合 轻量级网络 Ghost卷积 注意力机制 |
|
|