面向多元场景的轻量级行人检测

摘要

多元场景中行人检测是当前计算机视觉领域的研究热点,尽管备受关注的深度学习能够提供很高的检测精度,但随之而来的高复杂度运算严重限制了其在可移动平台上的部署。为此,本文提出了一种面向多元场景的轻量级行人检测算法。该算法首先构建深、浅层特征融合网络以学习多尺度行人的纹理特性;然后设计了跨维特征引导注意力模块,用于保留特征提取过程中通道间、空间内的交互信息。最后基于剪枝策略去除模型中的冗余通道,以降低算法复杂度。此外,本文还设计了自适应Gamma矫正算法,以消减多元场景下光照、阴影等外界干扰对检测结果的影响。实验结果表明,本文所提方法在检测精度相当的条件下,能将模型大小压缩至10 MB,处理速度可达93 Frame/s,明显优于当前主流方法。