基于改进YOLO算法的密集人群场景下的行人检测

论文摘要

针对现有的行人检测算法在密集人群场景下,准确率不高的问题,并结合上海地铁中特有的人群密集场景,本文利用YOLO目标检测算法,提出了在密集人群场景下的改进的YOLO行人检测算法。算法主要针对网络结构和损失函数进行改进,并在人工标注的实际场景下的行人数据集上进行训练与测试。实验结果表明,改进后的算法较YOLO目标检测算法在实际场景下的准确率有明显提高。

论文目录

文章来源

类型: 期刊论文

作者: 祝庆发,陈永生,郭玉臣

关键词: 密集人群,行人检测,网络结构,损失函数

来源: 电脑知识与技术 2019年22期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 铁路运输,计算机软件及计算机应用

单位: 同济大学电子与信息工程学院

分类号: TP391.41;U29

DOI: 10.14004/j.cnki.ckt.2019.2743

页码: 175-176+179

总页数: 3

文件大小: 1509K

下载量: 412

相关论文文献

标签：密集人群论文;  行人检测论文;  网络结构论文;  损失函数论文;