论文部分内容阅读
在智能监控时,由于行人目标存在分布范围广,大小不一致的问题,影响了行人检测的效果。为了提高监控下对不同大小行人的检测精度,更好地应用于公共安全领域,对YOLOv3算法进行改进。首先在检测网络的三条分支网络引入特征金字塔池化结构,进行特征拼接实现局部与全局特征相融合,增加特征提取能力。然后在预测网络前引入自适应特征融合结构,融合不同特征图的位置与类别信息,提高特征表达能力。最后在预测网络中利用K聚类算法调整锚框的尺寸,提高模型的检测精度。结果表明对行人目标的检测精度较改进前提高了3.3%。