论文部分内容阅读
将YOLOv5算法应用于行人检测的实验研究.首先,在YOLO网络的输入端对数据集图像Mosaic数据增强、自适应缩放、自适应锚框计算,并利用创新的Focus结构对图像进行切片操作,增加其维度.然后,在Neck部分采用FPN+PAN结构进行卷积操作,加强网络特征融合的能力.最后,在输出端利用GIOU_Loss函数优化网络参数,加速模型收敛.实验结果分析可知,基于YOLOv5的行人检测方法准确率更高,速度更快.