基于改进的k-means和损失函数的行人检测方法

摘要

本发明提出了一种基于改进的k‑means和损失函数的行人检测方法，用于对包含行人目标的视频或图像进行分类和识别，主要解决现有技术中聚类结果不准确和预测框不能根据自身尺寸特征学习损失的问题，实现步骤为：构建训练集和测试集；基于改进的k‑means算法对训练集进行聚类；对YOLOv3检测网络的损失函数进行改进；基于改进的损失函数对训练集进行训练；对测试集进行检测。本发明在聚类阶段筛除训练集标注信息中的无效数据，将得到的有效数据进行聚类，从而得到更精确的候选框初始化尺寸，还使不同预测框根据自身尺寸特征学习不同的预测损失，从而得到更准确的行人目标检测网络。