基于改进YOLOv5的行人检测方法研究

摘要

针对行人检测中出现的目标遮挡和小尺度目标漏检等现象，提出一种基于YOLOv5改进的行人检测模型DROE-YOLO。在YOLOv5的C3模块中引入了Res2Net的残差结构以增强网络对行人目标的表征能力。采用Dynamic Head作为YOLOv5的检测头，提高检测的准确性和鲁棒性。在标签分配策略方面采用了Simplified OTA方法，可以更准确地匹配真实框与预测框。最后，使用soft-NMS+EIOU的方法，进一步提高行人目标的检测准确率。在CrowdHuman数据集上的实验结果表明，DROE-YOLO在行人检测任务上取得了较好的效果。与基准模型相比，在增加少量参数的情况下，DROE-YOLO模型的检测精度提升了3.3%,召回率提升了6.5%,相比原模型更适用于实际的行人检测任务。

关键词

行人检测 / Res2Net / Dynamic-Head / Simplified-OTA / Soft-NMS