图学学报 ›› 2022, Vol. 43 ›› Issue (2): 230-238.DOI: 10.11996/JG.j.2095-302X.2022020230
摘要: 行人检测器对算法的速度和精确度有很高的要求。虽然基于深度卷积神经网络(DCNN)的行人检
测器具有较高的检测精度,但是这类检测器对硬件设备的计算能力要求较高,因此,这类行人检测器无法很好
地部署到诸如移动设备、嵌入式设备和自动驾驶系统等轻量化系统中。基于此,提出了一种更好地平衡速度和
精度的轻量级行人检测器(EPDNet)。首先,主干网络的浅层卷积使用深度可分离卷积以压缩模型的参数量,深
层卷积使用标准卷积以提取高级语义特征。另外,为了进一步提高模型的性能,主干网络采用特征融合方法来
增强其输出特征的表达能力。通过实验对比分析,EPDNet在2个具有挑战性的行人数据集Caltech和CityPersons
上表现出了优越的性能,与基准模型相比,EPDNet 在速度和精确度之间获得了更好的权衡,EPDNet 的速度和
精确度同时得到了提高。
中图分类号: