【摘 要】
：
行人检测技术是行人分割与再识别研究的基础,在智能视频监控、辅助驾驶和人机交互等领域中有广泛应用。行人检测的任务是对图像或者视频中的行人进行精准的识别和定位。但是在密集场景中,行人目标往往存在遮挡和多尺度等现象,导致行人检测的精确度较低。为了提高密集行人检测的性能,本文对YOLOv4算法进行改进,并对改进后的模型进行轻量化,方便在计算资源有限的设备中部署。论文的主要工作如下:第一,在密集行人场景中,
论文部分内容阅读
行人检测技术是行人分割与再识别研究的基础,在智能视频监控、辅助驾驶和人机交互等领域中有广泛应用。行人检测的任务是对图像或者视频中的行人进行精准的识别和定位。但是在密集场景中,行人目标往往存在遮挡和多尺度等现象,导致行人检测的精确度较低。为了提高密集行人检测的性能,本文对YOLOv4算法进行改进,并对改进后的模型进行轻量化,方便在计算资源有限的设备中部署。论文的主要工作如下:第一,在密集行人场景中,针对行人互相遮挡和多尺度现象而导致检测算法精确度低的问题,提出一种基于改进YOLOv4的行人检测算法YOLOv4-EP。主要改进点包括:（1）借鉴动态调整k近邻思想改进卷积注意力模块（Convolutional Block Attention Module,CBAM）中的通道注意力,构成高效双维度注意力（Efficient Two-dimensional Attention,ETA）,并把 ETA 融入到骨干网络中,以较少计算量来增加网络对行人可见区域的关注度;（2）根据先验的行人宽高比信息,设计不同尺寸的空洞卷积替换空间金字塔池化（Spatial Pyramid Pooling,SPP）中的池化层,从网络宽度上构成行人区域特征提取模块（Pedestrian-based Feature-extraction Module,PFM）,增强网络提取行人多尺度特征的能力;（3）使用K-means++算法重新聚类数据集的行人锚框,从而避免使用K-means算法随机选择初始聚类中心,导致聚类结果不稳定。第二,针对现有复杂度较高的行人检测模型难以适用于计算资源受限设备的问题,对YOLOv4-EP模型进一步轻量化,构成YOLOv4-EP-tiny模型。主要工作包括:（1）在骨干网络中,简化残差单元的结构和数量,并通过最大池化代替步长为2的卷积完成下采样,实现特征提取过程的轻量化;（2）在颈部网络中,使用融合ETA注意力机制的幽灵网络代替普通卷积,以较小参数量来生成更多特征图,并移除下采样过程,形成单向多尺度特征融合结构,实现特征融合过程的轻量化。实验结果表明,与其他经典检测算法相比,YOLOv4-EP算法对密集行人遮挡和多尺度情况的检测效果更好,取得的检测精度更高。同时,与其他轻量型行人检测算法相比,YOLOv4-EP-tiny算法具有较小的模型体积和较高的检测精度,更有利于部署到计算资源受限的设备。图[36]表[10]参[73]
其他文献
随着集成电路（IC）制造技术向深纳米技术时代发展,电路的集成度和性能得到了显著改善。然而,随着电路节点的临界电荷随着电路集成规模的增加而不断降低,尤其对于特殊环境下的关键应用,辐射引起的可靠性问题也变得越来越严重。即使是陆地环境中的辐射粒子也可能导致软错误。软错误包括单粒子翻转、单粒子瞬态、单粒子多节点翻转等。由于近年来先进工艺的特征尺寸急剧减小以及电荷共享效应,单粒子撞击的也可能导致多个节点同时
交通流量预测与分析是智能交通系统的关键环节,能为交通管理部门的指挥和决策提供有力支持。随着深度学习的发展与应用,基于神经网络的交通预测方法层出不穷,但现有方法存在难以捕获交通流序列的长时依赖以及预测特征单一的问题。因此,本文的研究内容是建立多源信息融合模型以预测短时交通流量,本文的主要工作如下:（1）针对时间卷积网络（Temporal Convolution Network,TCN）在短时交通流预
采煤工作面在旋采期间会出现机风巷推进不同步的情况,遗煤停留在采空区的时间过长会引发煤炭自燃,为了更好的防治旋采期间采空区煤自燃灾害的发生,需要对旋采工作面采空区煤自燃危险性进行研究。本文以淮北矿业集团孙疃煤矿10111旋采工作面采空区为例,运用理论分析、实验测试、数值模拟及现场实测相结合的方法研究旋采工作面采空区煤自燃危险性。利用示踪气体法测试分析了旋采期间采空区漏风范围,结果表明采空区漏风深度可
由于疫情的影响,国内的煤炭需求急剧提升,某公司抓住此机遇,并总结近年来纯电动汽车整车控制器的发展,提出将整车控制器运用到矿用单轨吊上。本文以单轨吊整车控制器的设计项目为背景,将整车控制器作为研究对象,以矿用单轨吊机车作为运用对象,设计整车控制器,制定整车控制策略,其中对CAN总线理论,单轨吊多电机协同控制问题进行深入研究。研究内容如下:（1）针对矿下运行环境的复杂性,对CAN总线的控制节点进行设计
人工智能系统对于数据的依赖以及深度学习算法的不可解释性,导致目前的人工智能系统面临严重的安全风险,其中的对抗样本是目前深度学习面临的主要威胁之一。为了更好的应对对抗样本攻击带来的安全威胁,提升深度学习模型在现实场景应用中的鲁棒性和安全性,需要对对抗样本的生成方式有充分的了解,因此涌现出大量关于对抗样本构造方法的研究。目前,对抗样本的生成方法大致可以分为两类:基于梯度的方法和基于优化的方法,但这两种
随着我国深化改革发展,城镇化范围越来越广,建设用地愈发紧张,利用真空预压技术处理疏浚淤泥是解决土地资源紧缺的重要途径。由于疏浚淤泥的物理力学性质极差,因此工程上一般都采用塑料排水板结合真空预压技术处理。该方法处理后地基沉降较不均匀,且塑料排水板夹杂在地基中难以分解,对环境污染较大。因此本文提出采用农作物秸秆作为秸秆排水体结合真空预压技术固结疏浚淤泥,一方面我国农作物秸秆资源丰富且多作为废弃物焚烧处
中国现在处于高速发展时期,各种建筑如雨后春笋,每个城市都能看到正在施工的场所,其中基坑的开挖和支护是建筑施工中的基础。由于施工机械和施工技术的发展,如今基坑开挖的尺寸也越来越大,然而更大更深的基坑也带来了更大的安全隐患。在基坑开挖支护过程中,控制好围护结构的变形、地表沉降等因素是保证施工安全的前提。使用有限元软件MIDAS GTS NX模拟基坑的开挖和支护过程,分析围护桩嵌固深度、围护桩直径等因素
随着智能电网技术的飞速发展,对电力负荷预测的速度和精度要求的提高与日俱增。电力负荷预测是发电公司用来估计向客户提供所需总电力的方法。负荷预测和节约用电、发电机组的维护与保养、电网调度、保障生产和生活用电的稳定密切相关,是电力系统规划与运行等各个相关单位的重点任务。负荷预测的核心任务是根据以前负荷数据的变化规律推断出未来的发展趋势。本文对传统的电力负荷预测方法进行了优化和改进,通过评价指标对比证明了
世界各国为了缓解能源危机和环境污染所带来的一系列问题,在新能源汽车的研发上都给予了极大的重视。动力锂电池作为新能源汽车重要组成部分,迅速成为世界各国研究的热点,而如何准确估计电池荷电状态（State of Charge,SOC）是新能源汽车研发的重要问题。本文主要研究了新能源汽车电池模型参数辨识和SOC估计的相关算法,并做了以下研究工作:（1）通过对一种三元锂电池进行实验,获得其电池实际容量,并在
特征学习是模式识别研究领域中的重要课题,目前已得到广泛应用,涉及的领域有图像识别、目标检测、步态识别和身份认证等。典型相关分析是特征学习方法中的重要代表之一,本文以典型相关分析框架为基础,对其进行进一步深入研究。典型相关分析是一种线性特征学习方法,其目的是在两组高维模态数据中学习到低维投影方向,使得两模态数据在低维子空间中有最大相关性。但实际采集到的数据通常是非线性的复杂数据,典型相关分析难以有效