基于YOLOv7-tiny的輕量級(jí)密集人群場(chǎng)景行人檢測(cè)算法

打開(kāi)文本圖片集

摘 要：針對(duì)現(xiàn)有的高精度行人檢測(cè)模型因資源要求高而導(dǎo)致的難以應(yīng)用于邊緣計(jì)算場(chǎng)景的問(wèn)題，提出了一種適用于邊緣GPU設(shè)備的輕量級(jí)實(shí)時(shí)密集行人檢測(cè)算法。該算法通過(guò)在檢測(cè)頭中融合全維度動(dòng)態(tài)卷積，降低了冗余信息對(duì)于檢測(cè)效果的影響，并通過(guò)優(yōu)化損失函數(shù)增強(qiáng)了算法區(qū)分待檢測(cè)目標(biāo)和背景的能力。實(shí)驗(yàn)結(jié)果表明，在密集人群場(chǎng)景下的行人檢測(cè)任務(wù)中，該算法在精確度方面較本文基線算法YOLOv7-tiny提升了4.1百分點(diǎn)，這證明該算法能夠在邊緣計(jì)算場(chǎng)景下實(shí)現(xiàn)準(zhǔn)確的密集人群檢測(cè)。（剩余464字）