CN115082855B 基于改进yolox算法的行人遮挡检测方法 （安徽工程大学）_第1页
CN115082855B 基于改进yolox算法的行人遮挡检测方法 （安徽工程大学）_第2页
CN115082855B 基于改进yolox算法的行人遮挡检测方法 （安徽工程大学）_第3页
CN115082855B 基于改进yolox算法的行人遮挡检测方法 （安徽工程大学）_第4页
CN115082855B 基于改进yolox算法的行人遮挡检测方法 （安徽工程大学）_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明涉及一种基于改进YOLOX算法的行人将YOLOX网络模型的主干特征网络融合改进的得到改进后的YOLOX网络模型；将融合后的特征图通过不同尺寸的YOLO检测头对训练集图像中用损失函数训练改进后的YOLOX网络模型；将验证集输入改进后的YOLOX网络模型中，通过实验训练得到最优权重，对测试集中的图片进行测用到行人遮挡检测中，在原来的特征提取网络2(3)将YOLOX网络模型的主干特征网络融合改进的CBAM模块，得到融合后的YOLOX网络YOLOX网络模型的基础上加入ASFF自适应特征融合机制模块，得到改进后的YOLOX网络模(4)将融合后的特征图通过不同尺寸的YOLO检测头来对训练集图像中目标位置和类别C为MLP的权重，AvgPool表示平均池化，MaxPool表示最大池化，σ表示sigmoid激活函数，和分别表示平均池化和最大池化运算；SF'=MC(F)8MS(F)8F(3)C3将提取的特征的权重参数输入改进后的YOLOX网络模型，改进后的YO标和小目标，每个检测头拥有一个由解耦头和签分配策略组成的高性能的Anchorfree检测类别；2.根据权利要求1所述的基于改进YOLOX算法的行4[0001]本发明涉及行人检测技术领域，尤其是一种基于改进YOLOX算法的行人遮挡检测好地检测出行人的基于改进YOLOX算法的行5[0009](3)将YOLOX网络模型的主干特征网络融合改进的CBAM模块，得到融合后的YOLOX提取的特征进行学习，得到融合后的特征图，将训练集输入改进后的YOLOX网络模型中训[0010](4)将融合后的特征图通过不同尺寸的YOLO检测头来对训练集图像中目标位置和和Fiux分别表示平均池化和最大池化运算；[0022]融合后的YOLOX网络模型进行特征提取，得到的提取特征是通道域注意力机制特[0023]F'=MC(F)8MS(F)8F(3)6中目标和小目标，每个检测头拥有一个由解耦头和签分配策略组成的高性能的AnchorC为检测类别。[0038](3)将YOLOX网络模型的主干特征网络融合改进的CBAM模块，得到融合后的YOLOX提取的特征进行学习，得到融合后的特征图，将训练集输入改进后的YOLOX网络模型中训[0039](4)将融合后的特征图通过不同尺寸的YOLO检测头来对训练集图像中目标位置和7pivg和Fax分别表示平均池化和最大池化运算；[0051]融合后的YOLOX网络模型进行特征提取，得到的提取特征是通道域注意力机制特[0052]F'=MC(F)8M5(F)&F(3)中目标和小目标，每个检测头拥有一个由解耦头和签分配策略组成的高性能的AnchorC为检测类别。8

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论