基于Crowd⁃RetinaNet的拥挤行人检测

打开文本图片集

摘  要： 文中以RetinaNet为基础，设计一种高效的用于拥挤行人检测的网络模型。为提高特征融合性能，利用坐标注意力特征融合（CAFF）进行跨层特征融合，实现尺度特征之间高质量的语义和位置细节信息交互；为提高目标检测性能，引入任务感知检测头（TaHead）提升目标检测头的表征能力；为克服非极大值抑制算法（NMS）对遮掩目标的漏检问题，结合CrowdDet的多实例预测（MIP）算法，使用推土机距离损失算法（EMDLoss）进行模型训练，并使用Set NMS作为后处理方法，有效抑制多重冗余检测结果，最终设计出Crowd⁃RetinaNet拥挤行人检测模型。（剩余11347字）