Print

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

  • 1 YOLO算法
  •   1.1 网络结构
  •   1.2 损失函数
  • 2 数据集
  • 3 改进的YOLO算法
  •   3.1 网络结构
  •   3.2 多尺度预测
  •   3.3 损失函数
  • 4 实验
  •   4.1 实验参数
  •   4.2 实验结果分析
  • 5结论

    • 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

    本文来源: https://www.lunwen66.cn/article/9e6c3e4e4e51160b69253fd0.html