基于YOLOv7-tiny的輕量級密集人群場景行人檢測算法
摘 要:針對現(xiàn)有的高精度行人檢測模型因資源要求高而導致的難以應用于邊緣計算場景的問題,提出了一種適用于邊緣GPU設備的輕量級實時密集行人檢測算法。該算法通過在檢測頭中融合全維度動態(tài)卷積,降低了冗余信息對于檢測效果的影響,并通過優(yōu)化損失函數(shù)增強了算法區(qū)分待檢測目標和背景的能力。實驗結果表明,在密集人群場景下的行人檢測任務中,該算法在精確度方面較本文基線算法YOLOv7-tiny提升了4.1百分點,這證明該算法能夠在邊緣計算場景下實現(xiàn)準確的密集人群檢測。(剩余464字)
目錄
- 基于圖神經(jīng)網(wǎng)絡的異源圖像配準方...
- 基于多目標平衡優(yōu)化器的共享儲能...
- 基于CEEMDAN 與自相關函...
- 基于特征融合的局部表征學習的遮...
- 基于改進鯨魚算法的工業(yè)操作系統(tǒng)...
- 基于改進的DISK 算法的農(nóng)林...
- 基于深度學習與DTW 融合的軌...
- 可減輕腰椎間盤樣本集類重疊的采...
- 基于YOLOv7-tiny的輕...
- 基于數(shù)據(jù)流圖和混合網(wǎng)絡模型的智...
- 基于結構保持的匿名人臉合成方法...
- 基于門控循環(huán)單元的日志異常檢測...
- 基于時頻特征融合和關系網(wǎng)絡的少...
- 求解單層織物熱濕耦合模型正反問...