基于改进YOLOv5的人群密度检测方法

针对复杂街景环境下人群检测精度低的问题,基于YOLOv5网络,提出一种改进的人群密度检测网络YOLO-C3SE-moblienetV3。将YOLOv5、聚合连接空洞卷积(connected convolutional capsule systems,C3SE)和MobileNet结合,旨在改善目标检测的性能。通过引入C3SE模块,模型能够更好地捕捉多尺度特征和上下文信息,从而提高检测精度。结合MobileNet的轻量级特性,实现高效的特征提取,显著降低模型计算复杂度。实验结果表明,与标准YOLOv5模型相比,改进后的模型在多个公开数据集上的平均精度(mAP)和推理速度均有所提升。