基于YOLOV3的改进模型在行人检测中的应用

摘要

自动驾驶领域能够实时准确地检测出感兴趣区域的行人是至关重要的。针对行人检测提出轻量化的、改进的YOLOV3模型。首先,通过层次敏感度分析对YOLOV3的骨干网络进行精简,极大地减少了网络的参数量和运算量。然后,根据检测类别的特殊性,调整网络输入,重新分配anchor和修改损失函数。最后,引入空间金字塔池化加强小目标的检测。实验结果表明:改进模型在BDD 100 K的验证集上,行人检测的AP50达到了72.82%,理论FPS保持在130+,m AP为53.7%。与YOLOV3模型的行人检测结果相比,该模型在检测精度和速度方面都更优。