论文部分内容阅读
针对实际场景下密集行人检测存在目标多且小导致的检测效果不理想的问题,以YOLOv3算法作为网络结构的基础,在网络颈部提出位置特征增强网络,通过双向网络构建新层级的特征流进行融合提取丰富特征信息,配合引入惩罚项的DIo U边框回归损失函数获得更精确的预测定位,并聚类分析选择更符合行人特点的锚点框尺寸,综合提高检测精度。以录制的密集行人测试集进行了消融实验,数据表明较原始算法,mAP在小目标和正常尺寸目标分别提高了4.25%和3.81%。