来源：期刊VIP网 时间：
作者：韩鼎;喻春雨;童亦新;张俊;
单位：南京邮电大学电子与光学工程学院、柔性电子(未来技术)学院;
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。Crowd-RetinaNet在CrowdHuman数据集上进行训练，在CrowdHuman验证集上进行性能测试，对比改进前的RetinaNet在AP、MR~(-2)指标上较基础模型分别改善了1.80%、3.32%，并在校园的拥挤场景中完成了性能较高的行人检测实验，实验结果表明该模型可以对行人进行精确检测，具有一定的实用性。
关键词：行人检测;;坐标注意力特征融合;;信息交互;;多实例预测;;注意力机制;;抑制算法
基金资助：南京邮电大学校企合作项目(2018外002,2019外157)
