一个增强的功能融合网络,用于在边缘设备上的小规模行人检测
Min Hu1, Yaorong Zhang1,2, Teng Jiao1
1Department of Medical Electronics, School of Biomedical Engineering, Air Force Medical University, Xi'an 710032, China.
Sensors (Basel, Switzerland)
|November 27, 2024
概括
在具有挑战性的条件下检测小行人是很困难的. 增强功能融合YOLO (EFF-YOLO) 网络提高了小型行人检测的准确性和速度,即使在边缘设备上也是如此.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 由于复杂的背景,距离和低光条件,小规模的行人检测在计算机视觉中提出了重大挑战.
- 这些因素减少了图像特征,使准确的检测变得复杂.
研究的目的:
- 提出一个增强功能融合YOLO网络 (EFF-YOLO),专门设计用于强大的小规模行人检测.
- 为了提高边缘设备的检测准确度和实时性能.
主要方法:
- 在YOLOv8n中使用了FasterNet块骨干,以改善空间特征提取和减少操作.
- 在网络子中集成了一个收集和分发 (GD) 机制,用于全球和多级特征聚合.
- 专注于加强微弱的行人特征和抑制背景噪音.
主要成果:
- 实现了高检测准确度:COCO-person的72.5%,CityPersons的72.3%和LLVIP的91%.
- 在Jetson Orin NX边缘设备上展示了为1920 × 1080视频流的实时检测速度为50.7fps.
- 与基线网络相比,显示了15.2%的速度改进.
结论:
- EFF-YOLO网络有效地解决了小规模行人检测的挑战.
- 拟议的方法提供了高精度和卓越的实时性能的强大平衡,适合边缘计算应用.
