基于改进YOLOv5的行人目标检测方法

摘要

针对行人检测中对小尺度目标和遮挡的检测困难问题，提出一种基于改进YOLOv5的行人目标检测方法。结合GhostNet将YOLOv5的CSP模块改进为CSPGhost模块，对于相似的特征，将复杂的卷积运算简化成线性运算；在每个CSPGhost模块后面插入通道注意力模块，保证了模型检测速度的同时具有较高的检测精度；优化空间金字塔池化层，在不改变原有效果的前提下，降低算法的时间成本；将边框回归损失函数GIoU优化为考虑了长度损失和宽度损失的EIoU,其回归速度更快，得到的回归结果更好。实验结果表明：基于CSPGhost改进的YOLOv5的行人目标检测方法在COCO数据集上种类平均精度值为55.8%,检测速度达到374帧·s^-1,对小目标的检测能力更强，对遮挡条件下的目标漏检率更低，检测速度更快，能够达到行人检测的实际应用要求

关键词

行人检测 / 深度学习 / YOLOv5 / GhostNet / EIoU / 空间注意力机制

基金资助

2020辽宁省教育厅科学研究经费项目(ZGXJ2020010); 辽宁省教育厅面上项目(LJKMZ20221827); 辽宁省应用基础研究计划(2022JH2/101300279)