改进YOLOv5m的密集人群检测

【摘要】 对密集人群进行检测时，由于存在遮挡物及光线分布不均匀，导致检测精度低、速度慢，同时由于参数量大使其无法部署在算力有限的移动设备上。针对以上问题，提出了改进YOLOv5m的密集人群检测算法，旨在检测密集人群中人体头部及身体可见区域。改进方法为首先将CSPDarknet53主干特征提取网络替换为更加高效且轻量化的MobileNetV3网络，再增加ECA注意机制，同时将SiLU激活函数替换为ACON-C,以实现网络模型的轻量化，平衡速度和精度。实验结果表明，改进后的算法在CrowedHuman数据集上mAP达到80.91%的同时相比YOLOv5m算法提高了0.32%，参数量减少了约1.77 M且实时检测速率提高了约1.02倍，在小型移动设备上表现出不错的检测效果。更多还原