【技术实现步骤摘要】
本专利技术涉及一种行人检测方法及系统，尤其是基于特征融合的小尺度行人检测方法及系统。
技术介绍
1、在计算机视觉领域，行人检测一直是一个重要的问题。在实际场景中，由于行人的尺度变化、遮挡、姿态等因素的影响，小尺度行人检测一直是一个具有挑战性的问题。传统的行人检测方法在处理小尺度行人时存在检测精度不高、漏检率高等问题。随着深度学习的发展，目前基于深度学习的目标检测方法取得了很大进展，其中yolov5是一种快速高效的目标检测算法框架，但在小尺度行人检测方面仍存在一定的局限性。
技术实现思路
1、专利技术目的：本专利技术的目的是提供一种提高小尺度行人检测精度和模型收敛速度的行人检测方法及系统。
2、技术方案：本专利技术所述的基于特征融合的小尺度行人检测方法，包括如下步骤：
3、建立基于yolov5的小尺度行人检测模型，使用训练好的所述小尺度行人检测模型进行行人检测，得到行人预测框；
4、所述小尺度行人检测模型包括s-fem模块，用于对主干网络输出的特征图进行特
【技术保护点】
1.一种基于特征融合的小尺度行人检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于特征融合的小尺度行人检测方法，其特征在于，对输入所述小尺度行人检测模型的图片进行预处理，所述预处理包括对图片进行随机缩放、裁剪和排布。
3.根据权利要求1所述的基于特征融合的小尺度行人检测方法，其特征在于，所述小尺度行人检测模型还包括GFPN模块，用于替换YOLOv5的PAN网络，对所述S-FEM模块输出的特征图进行特征融合。
4.根据权利要求1所述的基于特征融合的小尺度行人检测方法，其特征在于，所述小尺度行人检测模型的损失函数为Inn...
【技术特征摘要】
1.一种基于特征融合的小尺度行人检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于特征融合的小尺度行人检测方法，其特征在于，对输入所述小尺度行人检测模型的图片进行预处理，所述预处理包括对图片进行随机缩放、裁剪和排布。
3.根据权利要求1所述的基于特征融合的小尺度行人检测方法，其特征在于，所述小尺度行人检测模型还包括gfpn模块，用于替换yolov5的pan网络，对所述s-fem模块输出的特征图进行特征融合。
4.根据权利要求1所述的基于特征融合的小尺度行人检测方法，其特征在于，所述小尺度行人检测模型的损失函数为inner-ciou损失函数。
5.根据权利要求1所述的基于特征融合的小尺度行人检测方法，其特征在于，所述s-fem模块将主干网络输出的特征图经过第一卷积块后分别进行最大池化和平均池化，然后再经过第二卷积块，接着使用残差将其与第一卷积块的输出连接，最后经过第三卷积块，得到s-fem模块输出的特征图；
6...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。