基于YOLO算法和RK3399平台的行人检测实时性研究

摘要

为了解决在固定背景下端到端的行人检测难于达到实时性问题,并且结合实际开发板的特性与任务特点,提出了新的骨干特征提取网络,采用YOLO作为检测算法基础结构。所提出的方法以预测速度快为目标,该方法取得了在RK3399开发板上运行效率达11.842fps的良好结果,达到了实时性目的。在实验上从训练、预测两个方面于YOLOv1、v2、v3的其它精简版网络进行了对比。研究表明训练时损失值与网络的复杂性并无明显的相关性,同样的与mAP也无明显相关性,预测时新的特征提取骨干网络能在单类别目标检测任务中在大幅度提高检测速度的同时有较好的预测精度。