基于特征融合和再传播结构的动态小规模行人检测算法
Shuqin Li1, Rui Wang2, Suyu Wang3
1School of Communication Engineering, Wuhan University of Technology, Wuhan 430070, China.
Sensors (Basel, Switzerland)
|August 28, 2025
概括
这项研究引入了移动机器人的新算法, 以检测复杂环境中的小动态目标, 这种增强的方法提高了检测准确度,减少了错过的目标,提高了机器人的感知能力.
科学领域:
- 机器人技术
- 计算机视觉
- 人工智能
背景情况:
- 移动机器人在复杂的环境中难以检测小,动态的目标 (例如行人).
- 传统的深度学习对象检测方法在移动机器人中与小目标作斗争.
- 可以帮助移动机器人识别和避开小目标.
研究的目的:
- 为移动机器人平台开发一个动态的小目标检测算法.
- 增强对象识别以改善移动机器人的环境感知.
- 解决现有算法在检测动态小目标方面的局限性.
主要方法:
- 提出了一种整合特征融合和重播结构的新算法,用于小目标检测.
- 应用了针对移动机器人平台的增强物体识别算法.
- 在不同的环境中进行测试和废除研究,包括在VisDrone2019数据集上进行多类检测.
主要成果:
- 与原来的YOLOv8算法相比,该方法的准确性提高了5%.
- 在mAP0.5和mAP0.5-0.95中达到大约3%的增加.
- 显著降低了错误检测率,并显示出良好的概括能力.
结论:
- 基于功能融合和重新传播的算法增强了移动机器人的小目标检测.
- 该算法表现出强大的性能和通用性,适合多类检测.
- 这一进步对于改善移动机器人的环境感知和安全至关重要.


