计算机工程与科学

作者：梁秀满, 周佳润, 杨若兰

单位：（1.华北理工大学电气工程学院，河北 唐山 063210；2.华北理工大学冶金与能源学院，河北 唐山 063210）

关键词：行人检测,轻量级网络,YOLOv5s；注意力机制,

在驾驶场景中，针对行人间的遮挡和尺度多变现象导致的检测精度较低、模型参数量过大和难以部署到移动端等问题，提出了一种基于YOLOv5s模型的轻量级实时行人检测模型LPD-YOLO。首先，在特征提取部分采用MES Net替换原主干网络，并在主干网络中嵌入注意力模块SA，增强网络特征提取能力；其次，在特征融合部分采用DS-ASFF结构改进原PANet，使其充分融合不同尺寸的特征图；然后，采用GS卷积代替特征融合网络中的部分标准卷积，在不影响精度的条件下，进一步减少模型参数量和计算量；最后，在预测部分使用OTA标签分配策略结合α-IOU改进原损失函数，加速模型收敛。实验结果表明，该模型相较于YOLOv5s，参数量减少了81.2%，浮点运算量降低了46.3%，模型大小减小了75.8%，检测精度提高了3.3%。单幅图像检测速度达到了13.2 ms，更好地满足了驾驶场景下密集行人的实时检测要求。

来源：2023年第12期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第12期