基于特征增强模块的小尺度行人检测陈勇*①金曼莉①刘焕淋②汪波①黄美永①①(重庆邮电大学工业物联网与网络化控制教育部重点实验室重庆400065)②(重庆邮电大学通信与信息工程学院重庆400065)摘要：行人检测中，小尺度行人时常被漏检、误检。为了提升小尺度行人的检测准确率并且降低其漏检率，该文提出一个特征增强模块。首先，考虑到小尺度行人随着网络加深特征逐渐减少的问题，特征融合策略突破特征金字塔层级结构的约束，融合深层、浅层特征图，保留了大量小尺度行人特征。然后，考虑到小尺度行人特征容易与背景信息发生混淆的问题，通过自注意力模块联合通道注意力模块建模特征图空间、通道关联性，利用小尺度行人上下文信息和通道信息，增强了小尺度行人特征并且抑制了背景信息。最后，基于特征增强模块构建了一个小尺度行人检测器。所提方法在CrowdHuman数据集中小尺度行人的检测准确率为19.8%，检测速度为22帧/s，在CityPersons数据集中小尺度行人的误检率为13.1%。结果表明该方法对于小尺度行人的检测效果优于其他对比算法且实现了较快的检测速度。关键词：行人检测；小尺度行人；特征增强模块中图分类号：TN911.73;TP391.41文献标识码：A文章编号：1009-5896(2023)04-1445-09DOI:10.11999/JEIT220122Small-scalePedestrianDetectionBasedonFeatureEnhancementStrategyCHENYong①JINManli①LIUHuanlin②WANGBo①HUANGMeiyong①①(KeyLaboratoryofIndustrialInternetofThings&NetworkControl,MinistryofEducation,ChongqingUniversityofPostsandTelecommunications,Chongqing400065,China)②(SchoolofCommunicationandInformationEngineering,ChongqingUniversityofPostsandTelecommunications,Chongqing400065,China)Abstract:Inpedestriandetection,small-scalepedestriansareoftenmissedandmistakenlydetected.Inordertoimprovedetectionprecisionandreducemissdetectionrateofsmall-scalepedestrians,afeatureenhancementmoduleisproposed.First,consideringtheproblemthatsmall-scalepedestriansfeaturegraduallydecreasesasnetworkgoesdeeper,featurefusionstrategybreaksthroughtheconstraintsoffeaturepyramidstructureandfusesdeepandshallowfeaturemapstoretainlotsofsmall-scalepedestrianfeatures.Then,consideringtheproblemthatsmall-scalepedestrianfeaturesareeasilyconfusedwithbackgroundinformation,self-attentionmodule...
