面向交通场景的轻量级行人检测算法

针对交通场景下行人检测模型网络复杂、参数量大以及难以在低性能设备上部署的问题，基于YOLOv5s网络模型提出了一种改进的轻量级行人检测算法。首先，使用Ghost模块重构YOLOv5s网络进行特征提取，降低模型的参数量和计算量，提高推理速度。其次，引入坐标注意力机制提高模型对目标特征的提取能力，提升其对小目标行人的检测效果。最后，采用SIoU损失函数加快模型的收敛速度，提高模型的识别准确率。实验结果表明，改进后的算法能保证较高的检测精度，与原始YOLOv5s算法相比参数量减少47.1%,计算量减少48.7%,提高了交通场景下行人检测的速度且易于部署。