摘要：為解決駕駛輔助系統(tǒng)(ADAS)對(duì)復(fù)雜背景行人和小尺寸行人檢測(cè)精度較低的問(wèn)題,基于深度神經(jīng)網(wǎng)絡(luò)模型YOLOv2建立了ADAS實(shí)時(shí)行人檢測(cè)模型YOLOv2-P。首先在特征提取網(wǎng)絡(luò)中采用參數(shù)化修正線性單元激活函數(shù),以從訓(xùn)練數(shù)據(jù)中自適應(yīng)地學(xué)習(xí)參數(shù),并在行人檢測(cè)網(wǎng)絡(luò)中采用多層特征圖融合方法,將低層特征圖信息與高層特征圖信息進(jìn)行融合;然后使用交叉熵?fù)p失函數(shù)替代YOLOv2模型中的sigmoid激活函數(shù),并對(duì)寬度、高度損失函數(shù)進(jìn)行歸一化處理;最后采用迭代自組織數(shù)據(jù)分析算法對(duì)行人數(shù)據(jù)集中行人邊界框尺寸進(jìn)行聚類。試驗(yàn)結(jié)果表明:相比于YOLOv2,YOLOv2-P對(duì)復(fù)雜背景行人及小尺寸行人的檢測(cè)精度有明顯提升,能夠滿足ADAS行人檢測(cè)準(zhǔn)確性和實(shí)時(shí)性需要。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
