基于深度信息融合的密集目标检测

• 全文链接
• 请求原文

作   者：

王建浩;  呼子宇;  张翮翔;  代言;  郝若欣;  高泽航; 

作者机构：

燕山大学电气工程学院; 

关键词：

信息融合;  图像处理;  目标检测;  深度学习;  数据聚类; 

期刊名称：

高技术通讯

i s s n：

1002-0470

年卷期：

2022 年 009 期

页   码：

914-921

摘   要：

针对密集行人检测精度低的问题,提出基于深度信息融合的密集目标检测方法——YOLOv4-SD。该方法通过将single scale Retinex（SSR）与目标检测算法信息融合,增强输入图像质量,凸显图像中更多的信息元素;并对YOLOv4算法中特征融合层进行改进,增加原始图像特征的利用率,深度优化特征融合层的网络结构。在VOC 2012等数据集上进行对比实验,结果表明在保持检测速度的前提下,该算法的平均检测精度和交并比分别提高了7.7%和5.2。对于数据集中边缘低像素或高重叠的行人目标,YOLOv4-SD算法能够较为准确地检测出特殊目标具体位置。