改进YOLOv10n的密集行人小目标检测方法

陈海秀, 陈子昂, 宁馨, 王思源, 陆亚舒, 卢海涛

小型微型计算机系统 ›› 2026, Vol. 47 ›› Issue (4) : 999 -1007.

PDF
小型微型计算机系统 ›› 2026, Vol. 47 ›› Issue (4) : 999 -1007. DOI: 10.20009/j.cnki.21-1106/TP.2025-0141

改进YOLOv10n的密集行人小目标检测方法

    陈海秀, 陈子昂, 宁馨, 王思源, 陆亚舒, 卢海涛
作者信息 +

Author information +
文章历史 +
PDF

摘要

在针对固定摄像设备进行的行人检测任务中,由于小尺度行人占比高、分布密集和复杂背景的干扰,模型易受到遮挡、尺度变化等情况的影响,出现误检和漏检问题.为有效解决上述问题,提出了一种基于YOLOv10n改进的行人小目标检测算法.该算法在C2f模块中融入自适应点移动和卷积门控机制,提出了C2f-MC模块,显著提升了局部特征的捕捉能力和特征筛选能力;通过构建SLC-P2小目标特征增强金字塔结构,优化了颈部网络,增强模型提取微小特征的能力;引入基于点采样的Dysample上采样模块,有效减少了传统卷积方法对高分辨率特征引导的依赖,并显著提高了对遮挡小目标区域的敏感度;设计了一种轻量化检测头LWD,进一步提升了模型在严重遮挡场景下对人群的识别能力.实验结果表明,与YOLOv10n相比,改进后的模型在Crowd Human和WiderPerson数据集上的精度分别提高了4.0%和1.9%,且参数量仅为2.0M,计算量为10.2GFLOPs,能够在计算资源有限的环境中实现高精度部署.

关键词

行人检测 / YOLOv10 / 特征选择 / 轻量化

Key words

引用本文

引用格式 ▾
改进YOLOv10n的密集行人小目标检测方法[J]. 小型微型计算机系统, 2026, 47(4): 999-1007 DOI:10.20009/j.cnki.21-1106/TP.2025-0141

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

0

访问

0

被引

详细

导航
相关文章

AI思维导图

/