计算机工程

作者：马明旭, 马宏, 宋华伟

单位：1. 郑州大学网络空间安全学院, 河南 郑州 450000;2. 战略支援部队信息工程大学信息技术研究所, 河南 郑州 450000

关键词：YOLO-Pose算法,姿态估计,跨层级联,CBAM注意力机制,SIoU损失函数,k-means++算法

基金：河南省重大科技专项(221100210100)。

现有的姿态估计算法在城市街景中对小目标行人的检测效果不佳。针对该问题,提出一种基于YOLO-Pose的小目标行人姿态估计算法YOLO-Pose-CBAM。通过引入CBAM注意力机制模块,在不增加过多计算量的前提下,增强网络聚焦小目标行人区域的能力,提升算法对小目标行人的敏感度,同时在主干网络中使用4个不同尺寸的检测头,丰富算法对图片中不同大小行人的检测手段;在骨干网络和颈部之间架设2条跨层级联通道,提升浅层网络与深层网络之间的特征融合能力,进一步增强信息交流,降低小目标行人漏检率;引入SIoU重新定义边界框回归的定位损失函数,加快训练的收敛速度,提高检测精度;采用k-means++算法代替k-means算法对数据集中标注的锚框进行聚类,避免聚类中心初始化时导致的局部最优解问题,从而选择出更适合检测小目标行人的锚框。对比实验结果表明,在小目标行人WiderKeypoints数据集上,所提算法相较于YOLO-Pose和YOLOv7-Pose在平均精度上分别提升了4.6和6.5个百分比。

来源：2024年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第4期