面向遮挡行人检测的轻量级 YOLOv5-FFM 模型
计算机视觉与模式识别
2024-08-14 v1
摘要
自动驾驶技术的发展不可分割地与行人检测密切相关。由于车辆行驶速度较快，行人检测算法的准确性和实时性能至关重要。YOLO作为一种高效且简单的一级目标检测方法，常用于各种环境下的行人检测。然而，这些检测器在面对遮挡行人时面临计算过度和检测率不佳的挑战。本文提出改进的轻量级YOLOv5模型，以解决上述问题。该模型在减少浮点运算 (FLOPs) 的情况下，尤其是针对遮挡目标，实现更好的行人检测准确率。为实现上述目标，我们基于YOLOv5模型框架进行改进，引入Ghost模块和SE模块。此外，我们设计了局部特征融合模块 (FFM) 以处理行人检测中的遮挡问题。为验证方法的有效性，选取了Citypersons和CUHK Occlusion两个数据集进行实验。实验结果表明，与原始yolov5s模型相比，我们的方法在平均精度 (AP) 上显著提高，同时参数数量减少27.9%，FLOPs减少19.0%。
引用
@article{arxiv.2408.06633,
title = {A lightweight YOLOv5-FFM model for occlusion pedestrian detection},
author = {Xiangjie Luo and Bo Shao and Zhihao Cai and Yingxun Wang},
journal= {arXiv preprint arXiv:2408.06633},
year = {2024}
}