计算机工程

作者：施政, 毛力, 孙俊

单位：江南大学 人工智能与计算机学院, 江苏 无锡 214122

关键词：行人检测,目标检测,多模态算法,YOLO网络,注意力机制

基金：国家自然科学基金（61672263）。

在夜间光照不足、目标被遮挡导致信息缺失以及行人目标多尺度的情况下，可见光单模态行人检测算法的检测效果较差。为了提高行人检测器的鲁棒性，基于YOLO提出一种可见光与红外光融合的行人检测算法。使用Darknet53作为特征提取网络，分别提取2个模态的多尺度特征。对传统多模态行人检测算法所使用的concat融合方式进行改进，设计结合注意力机制的模态加权融合层，以加强对融合特征图的模态选择。在此基础上，使用多尺度的融合特征进行行人检测。实验结果表明，模态加权融合较concat融合有较大的精度提升，且该算法在夜间光照不足、目标遮挡和目标多尺度情况下检测效果良好，在KAIST数据集上的检测精度优于HalFusion和Fusion RPN+BDT等算法，检测速度也有较大提升。

来源：2021年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第8期