一種面向密集場景的輕量化人群檢測網絡

【摘要】：針對密集場景下行人檢測的遮擋問題，文中提出了SC-YOLOv4人群檢測網絡。首先為了簡化模型，加快網絡的檢測速度，在YOLOv4的CSPNet結構基礎上，結合ShuffleNetv2網絡思想改進普通卷積結構，將原來普通的殘差模塊替換為Shuffle Module模塊，提出了基于S-CSPDarkNet53的骨干網絡結構，在保留精度的同時，大大降低了網絡參數量；其次為了解決人群遮擋問題，在保留原來PANet結構的基礎上，設計中心點預測模塊，將原來的三個輸出特征層改用基于中心點的預測方法，即對目標的中心點進行回歸和訓練計算損失，摒棄了原來的NMS操作，進一步提高遮擋情況下的檢測精度。實驗結果表明：在CrowdHuamn數據集上，采用S-CSPDarkNet53結構的YOLOv4較原網絡的參數量減少了34%，檢測速度提升了5.2 幀·s~(-1)；最終的SC-YOLOv4網絡，在檢測精度上和速度上較YOLOv4分別提升了1.4%和4.9 幀·s~(-1)，性能得到了有效提升。