论文部分内容阅读
针对低照度环境下多尺度行人目标检测准确率低的问题，提出了一种基于YOLOv5s和红外、可见光图像融合的行人检测方法。首先，利用生成对抗网络制作可见光、红外融合图像数据集，结合两种图像的优点，减少外界因素对行人检测的影响。然后，将SENet通道注意力模块引入YOLOv5s，让网络更加关注高亮目标，提升行人检测准确性。最后，对YOLOv5s网络结构进行优化，删除部分卷积层，修改激活函数，以保持算法的高实时性。实验结果表明，利用融合图像数据集进行训练，可以得到mAP高于可见光数据集和红外数据集的检测模型，改进后的SE-YOLOv5s算法在保持原算法高实时性的同时，有效提升了行人检测的mAP。