计算机工程

作者：贵向泉, 刘世清, 李立, 秦庆松, 李唐艳

单位：1. 兰州理工大学计算机与通信学院, 甘肃 兰州 7300502. 甘肃省计算中心, 甘肃 兰州 730050

关键词：智慧文旅,目标检测,注意力机制,轻量化网络,YOLOv8算法

基金：甘肃省重点研发计划-工业类项目(22YF7GA159); 甘肃省基础研究计划-软科学专项(22JR4ZA084); 甘肃省教育厅产业支撑计划项目(2023CYZC-25)

针对当前景区行人检测具有检测精度低、算法参数量大和现有公开数据集在小目标检测上存在限制等问题, 创建TAPDataset行人检测数据集, 弥补现有数据集在小目标检测方面的不足, 并基于YOLOv8算法, 构建一种检测精度高、硬件要求低的新模型YOLOv8-L。首先引入DepthSepConv轻量化卷积模块, 降低模型的参数量和计算量。其次采用BiFormer注意力机制和上采样算子CARAFE, 加强模型对图像的语义理解和信息融合能力, 提升模型的检测精度。最后增加一层小目标检测层来提取更多的浅层特征, 从而有效地改善模型对小目标的检测性能。在TAPDataset、VOC 2007及TAP+VOC数据集上的实验结果表明, 与YOLOv8相比, 在FPS基本不变的情况下, 在TAPDataset数据集上, 模型的参数量减少了18.06%, mAP@0.5提高了5.51%, mAP@0.5∶0.95提高了6.03%;在VOC 2007数据集上, 模型的参数量减少了13.6%, mAP@0.5提高了3.96%, mAP@0.5∶0.95提高了6.39%;在TAP+VOC数据集上, 模型的参数量减少了14.02%, mAP@0.5提高了4.49%, mAP@0.5∶0.95提高了5.68%。改进算法具有更强的泛化性能, 能够更好地适用于景区行人检测任务。

来源：2024年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第7期