基于深度学习的轨道交通行人检测方法
司广字1
刘光杰1
陆斌2
焦科杰2
王政军3
1.南京信息工程大学电子与信息工程学院 南京 2100442.南京熊猫信息产业有限公司 南京 2100383.海康威视 南京 211106
摘要：在轨道交通领域,需要实时监控不同区域的行人位置分布,以解决乘客摔倒,排队时占用下客区等异常情况.现如今设计一种更加轻量化同时不会大幅度降低检测效果的网络成为深度学习行人实时检测中十分具有现实意义的问题.论文针对现有的目标检测算法对计算资源消耗较大的问题,设计了一种基于卷积、可分离卷积与Inception结构的轻量卷积神经网络——LPDNet.该网络在现有的YOLOV3目标检测网络的基础上,只保留了32倍下采样分支,同时加入了In?ception-V3-3网络模块,并改进了原有的损失函数.论文设计的网络结构在场景多样的VOC数据集上进行行人检测实验,结果与原网络模型检测的准确率相差不到3％,在地铁相对单体固定的场景下,检测效果的差距仅为0.54％.实验结果表明,新设计出的算法能够在检测效果下降很小的情况下,大大减小计算所需资源,加快推理速度,减小模型大小.
关键词：轨道交通行人检测卷积神经网络轻量化模型
分类号：TP391.4(计算技术、计算机技术)
资助基金：国家自然科学基金(U1836104)国家自然科学基金(61772281)国家自然科学基金(61702235)国家自然科学基金(61801073)国家自然科学基金(61931004)国家自然科学基金(62072250)江苏省研究生科研与实践创新计划项目(KYCX20_0974)教育部人文社会科学研究项目(19YJA630061)
论文发表日期：2023-02-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 336-341,371 )
英文信息