基于改进YOLOv3的行人检测算法

针对YOLOv3算法在行人检测中对小尺度目标漏检率高和检测速率慢的问题,该文提出了一种基于改进YOLOv3的行人检测方法。该算法通过精简骨干网络结构,提出轻量化的Darknet-41,降低了网络的深度和参数,提升检测速率;其次通过设计新的特征融合结构,在多尺度特征融合的基础上,进行了多尺度浅层特征融合,提高了对小尺度目标识别精确度,同时通过引入DIoU损失提高定位精确度;最后采用一种改进的非极大值抑制算法Adaptive NMS(自适应非极大值抑制)来去除冗余边界框。实验结果表明,改进后的算法的平均精确度(mAP)达到93.3%,检测速率为58.7帧/s。与YOLOv3算法的行人检测结果相比,该算法在检测速率和平均精度方面的性能更优。