基于YOLOv5s的轻量化行人检测算法.pdf

现代电子技术Modern Electronics TechniqueNov.2023Vol.46 No.222023年11月15日第46卷第22期0 引 言行人检测一直都是计算机视觉和目标检测领域的研究热点，其广泛应用于人群计数、智能安防、自动驾驶等应用领域。目前存在的行人检测算法已经取得较好的检测效果，但依然面临一些挑战，比如：行人检测识别系统普遍都安装在智能汽车和无人机等移动端智能平台中，对模型轻量化要求较高，然而已有算法很难在轻量化和精度上达到平衡，因此提高行人检测精度的同时保持模型轻量化有着重要的研究意义。常用的行人检测方法主要分为传统行人检测方法和基于深度学习的行人检测方法两大类。基于深度卷积神经网络的目标检测算法主要分为单阶段算法和双阶段算法1。其中双阶段算法是基于候选框的方法，代表算法主要有 RCNN2、Fast RCNN3、Faster RCNN4等，该类算法精度较高，但检测速度较慢；单阶段算法是基于回归的方法，不再提取候选区域，代表算法主要有SSD（Single Shot MultiBox Detector）5系列、YOLO（You Only Look Once）69系列等，该类算法检DOI：10.16652/j.issn.1004373x.2023.22.026引用格式：高英，吴玉虹.基于YOLOv5s的轻量化行人检测算法J.现代电子技术，2023，46（22）：151158.基于YOLOv5s的轻量化行人检测算法高 英，吴玉虹（昆明理工大学 信息工程与自动化学院，云南 昆明 650500）摘 要：行人检测系统普遍安装在移动智能设备上，而这些设备对模型的轻量化要求较高，已有算法很难在精度和轻量化之间达到平衡。针对这一问题，提出一种改进的YOLOv5s轻量化行人检测模型。选用EIoU作为边界框损失函数，加速收敛并提高回归精度；结合CA（Coordinate Attention）注意力模块改进主干网络的C3模块，增强模型对行人目标的精确定位能力；引入一种新卷积层 GSConv替换颈部网络的卷积层（Conv），以减轻模型的复杂度并保持准确性；引入改进的自注意力模块 CoT，进一步提高网络模型的特征表达能力。使用 INRIA 数据集进行训练和测试，实验结果表明：改进后的模型mAP0.5达到 97%，相比于原始模型提高 1.9%，mAP0.5:0.95提高 2.1%；而模型参数量降低 10.5%，模型体积降低 13%，计算量GFLOPS减少7%，能够在提高行人检测精度的同时使得模型更加轻量化。关键词：行人检测算法；YOLOv5s；轻量化；EIoU；CA注意力机制；GSConv中图分类号：TN911.7334；TP391.41 文献标识码：A 文章编号：1004373X（2023）22015108Pedestrian detection algorithm based on YOLOv5s lightweightGAO Ying,WU Yuhong(Faculty of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650500,China)Abstract：Pedestrian detection systems are generally installed on mobile smart devices,which require the lightweight of the model.However,existing algorithms struggle to reach a balance between accuracy and lightweight.On this basis,an improved model of YOLOv5s lightweight pedestrian detection is proposed.The EIOU is selected as the bounding box loss function to accelerate convergence and improve the regression accuracy.The C3 module of the backbone network is improved with the CA(coordinate attention)attention module to enhance the models precise positioning ability for pedestrian targets.A new convolutional layer GSConv is used to replace the convolutional layer(Conv)of the neck network to reduce model complexity and maintain accuracy.The improved selfattention module CoT is introduced to further improve the feature expression capability of the network model.The INRIA data set is used for training and testing,the experimental results show that the mAP0.5 of the improved model can reach 97%,which is 1.9%higher than that of the original model,mAP0.5:0.95 can be increased by 2.1%.The reduction in model parameters by 10.5%,model volume by 13%,and computational load GFLOPS by 7%can improve pedestrian detection accuracy while making the model more lightweight.Keywords：pedestrian detection algorithm;YOLOv5s;lightweight;EIoU;CA attention mechanism;GSConv收稿日期：20230420 修回日期：20230525151151现代电子技术2023年第46卷测速度快，发展至今，检测精度已经超过双阶段算法10。2020年，Ultralytics 团队汇集了很多深度学习目标检测框架的优点，提出了 YOLOv5。YOLOv5 在各个数据集上体现出收敛速度快、模型可定制性强的特点，同时，也更加轻量化和高效，可以在移动端等资源有限的场景中进行实时行人检测。在相关的目标检测研究中，王程等人引用深度可分离卷积代替 YOLOv4算法的传统卷积，降低模型的参数量和计算量11。孙家慧等人结合 CBAM 注意机制和多尺度卷积对 YOLOv4 算法进行改进，提升算法性能，同时减少网络的参数12。陈一潇等人引入 CA 模块改进YOLOv5 算法，增强模型对目标的精确定位能力13。Li等人引入了一种新方法GSConv，来减轻模型的复杂度并提高准确性14。为提高行人检测准确率、使模型轻量化，本文选择YOLOv5s6.0 算法作为基础网络，首先修改损失函数，优化模型性能；然后引入 CA 注意力机制改进 C3模块，增强主干网络特征提取能力；其次在颈部网络引入一种新卷积层 GSConv来减少模型的参数量，加入新的注意力结构 CoT 模块改进 C3_F 模块等方法，提高网络模型的特征表达能力；最后基于模型测试结果及一系列评价指标评估所训练模型的优越性。1 YOLOv5s网络结构介绍本文选用 YOLOv56.0 版本的网络，按照网络的深度和宽度不同，可分为 n、s、m、l、x五个版本。大多情况选用 YOLOv5s 为基础模型进行改进，既能满足模型轻量化设计又能保证检测精度。YOLOv5 主要由输入端（Input）、主干网络（Backbone）、颈部网络（Neck）、检测端（Head）四个部分组成，其结构如图1所示。图1 YOLOv56.0网络结构图1）Input为图像预处理阶段，将输入图像自适应缩放到网络指定的输入大小，并进行归一化等操作。在网络训练阶段，使用了马赛克（Mosaic）数据增强、自适应计算锚框与自适应图片缩放三个方法。2）Backbone为提取特征阶段。Conv模块包含二维卷积（Conv2d）、批量归一化（Batch Normalization）和激活函数（SiLU）三个部分。C3模块包含了 3个 Conv以及多个 Bottleneck 模块；SPPF 模块采用多个小尺寸的池化核级联代替空间金字塔池化 SPP（Spatial Pyramid Pooling）19模块中单个大尺寸池化核，在保留原有功能基础上，不仅融合了不同感受野的特征图，丰富了特征图的表达能力，还进一步提高了运行速度；Bottleneck模块借鉴了 ResNet的残差结构，Backbone 中的 Bottleneck都默认使shortcut为True。3）Neck 为特征融合阶段，采用了 FPN+PAN2021的结构。C3_F 模块相比于 C3 模块，Bottleneck 都不使用shortcut，而是使用原始的Conv。4）Head对图像特征进行预测，生成边界框并预测类别。对Neck中得到的不同尺度的特征图分别通过11卷积进行通道数扩展，输出 3种不同尺寸的特征图；再152第22期使用非极大值抑制算法（NMS）对生成的大量候选框进行后处理，去除冗余的候选框，以加快目标检测的效率。2 改进的YOLOv5s网络结构2.1 引入CA注意力机制目前主流的注意力机制主要有 SE、ECA、CBAM、CA等。其中 SE15为通道注意力机制，仅考虑了通道间的信息，忽略了位置信息；ECA16在 SE 模块的基础上，改为使用 11卷积学习通道注意信息，降低了参数量；CBAM17在SE基础上进行改进，结合了通道注意力和空间注意力机制，但卷积只能提取局部关系，缺乏长距离关系提取的能力；CA 注意力18在 CBAM 基础上将通道注意力分解为两个一维特征编码过程，分别沿2个空间方向聚合特征，不仅获取了通道间信息，还考虑了方向相关的位置信息，有助于模型更好地定位和识别目标。CA注意力机制结构如图2所示。图2 CA注意力机制网络结构图 2 中，先将输入特征图分为宽度（W）和高度（H）两个方向，沿着 x 轴和 y 轴进行全局平均池化（Avg Pool），分别获得在宽度和高度两个方向的特征图，公式如下：zhc(h)=1W0 i Wxc(h,i)（1）zwc(w)=1H0 j Hxc(j,w)（2）式中：zhc代表通道c在高度h输出；xc表示通道c的输出；zwc代表通道c在宽度w输出。然后将获得全局感受野的宽度和高度两个方向的特征图拼接（Concat）在一起，并将它们送入共享的卷积核为 Conv2d的卷积模块，将其维度降低为原来的；再将经过批量归一化处理的特征图送入 Sigmoid激活函数，得到相似的特征图，公式如下：f=()F1(zh,zw)（3）接着将特征图f按照原来的高度和宽度进行卷积核为1 1的卷积，分别得到通道数与原来一样的特征图Fh和Fw，经过 Sigmoid激活函数后分别得到特征图在高度上的注意力权重gh和在宽度方向的注意力权重gw，公式如下：gh=(Fh(fh)（4）gw=(Fw(fw)（5）经过上述计算后，将会得到输入特征图在高度方向的注意力权重gh和在宽度方向的注意力权重gw。最后在原始特征图上通过乘法加权计算，得到最终在宽度和高度方向上带有注意力权重的特征图，进而加强特征图的表示能力，公式如下：yc(i,j)=xc(i,j)ghc(i)gwc(j)（6）将 CA 注意力机制模块添加至 YOLOv5 主干网络中，可以加强特征提取能力。为进一步提高增强主干网络感受野，将 CA 注意力机制融合 C3 模块。改进的 C3模块如图3所示。图3 改进的C3模块图 3中 C3CA1模块是在 C3模块末尾添加 CA模块，精确度有所提高；为进一步轻量化模型，减少参数量，去除部分卷积层，再改进为 C3CA2结构，精度没有下降但参数量有所减少。2.2 引入GSConv模块为满足模型轻量化设计，减少计算成本，许多模型使 用 深 度 可 分 离 卷 积 层（Depth wise Separable Convolution,DSC）操作来减少参数和计算量，但大量深度可分离卷积层构建的轻量级模型无法达到足够的准确性。本文引入一种新卷积 GSConv14替换模型普通卷积层，来减轻模型的复杂度并保持准确性。GSConv结构如图4所示。在图 4 中，Conv 为标准卷积层，结构与图 1 中 Conv高 英，等：基于YOLOv5s的轻量化行人检测算法153现代电子技术2023年第46卷结构相同；DSC操作将一个完整的卷积运算分解为两步进 行，分 别 为 逐 通 道（Depthwise,DW）卷 积 与 逐 点（Pointwise,PW）卷积，用来提取特征图；GSConv将普通卷积层 Conv和深度可分离卷积层 DSC 结合，通过通道随机混合操作（Channel Shuffle Operation）即“重塑转置重塑”操作，使用Shuffle将Conv生成的信息渗透到DSC生成的信息的每个部分。图4 GSConv网络结构模型的所有阶段都使用 GSConv，模型的网络层会更深，极大地增加了推理时间。所以本文仅在 Neck网络使用GSConv，将Neck网络中的所有标准卷积Conv替换为GSConv，从而有效减轻Neck网络的复杂度。2.3 引入CoT模块传统的自注意力机制（SelfAttention）可以很好地触发不同空间位置的特征交互，然而，所有的QueryKey关系都是独立的，没有探索两者之间的丰富上下文，这极大地限制了视觉表示学习。本文引入了 CoT Block22，结 构 如 图 5 所 示，该 结 构 是 基 于 Self Attention 的Transformer 结构，充分利用了 Key 的上下文信息，以指导动态注意力矩阵的学习，从而增强了视觉表示的能力。图5 CoT Block结构图图 5中，输入图像经过k k卷积核进行卷积操作，获取图像邻近的局部信息；然后，将局部信息与原信息进行叠加（Concat）操作，经过 2 个1 1卷积，再进行Softmax 操作，与 Value Map 进行 SelfAttention 计算，获得图像全局信息；最后，将所得的邻近信息与全局信息进行相加融合，获得输出 y。将 CoT 模块与 C3 模块融合，结构图如图6所示。图6 CoT3结构图2.4 损失函数改进YOLOv5模型包含三种损失函数，分别是边界框损失（box_loss）、置 信 度 损 失（obj_loss）和 分 类 损 失（cls_loss）。YOLOv56.0版本默认边界框损失函数使用CIoU函数23，置信度损失函数和分类损失都使用二元交叉熵函数来计算。总损失函数为以上三者加权相加，对应的默认的权重系数分别为0.05、1.0、0.5。CIoU损失函数的计算公式如下：LCIoU=1-IoU+2(b,bgt)c2+v（7）式中：b表示预测框的中心点；bgt表示真实框的中心点；表示两个中心点之间的欧氏距离；c表示预测框和真实框的最小闭包区域的对角线距离；是用于平衡比例的参数；v用来衡量预测框和真实框的宽和高之间的比例一致性。IoU、v计算公式如下：IoU=A BA B=v(1-IoU)+vv=42()arctanwgthgt+arctanwh2（8）EIoU损失函数24包含三个部分：预测框和真实框的重叠损失、预测框和真实框的中心距离损失以及预测框和真实框的宽和高的损失，前两部分延续 CIoU 中的方法，第三部分的宽高损失使目标框与锚框的宽度和高度值最小，使得收敛速度变快。EIoU 损失函数的计算公式如下：LEIoU=1-IoU+2(b,bgt)c2+2(w,wgt)c2w+2(h,hgt)c2h（9）式中：cw和ch分别是覆盖预测框的真实框的最小外接框的宽度和高度。本文实验中，采用EIoU作为边界框损失函数。2.5 YOLOv5sCG本文将Backbone网络中的C3模块全部替换为改进的 C3CA2模块；Neck网络中的所有标准卷积 Conv替换154第22期为 GSConv，能够有效减轻 Neck 网络的复杂度；Neck 网络最后一层的 C3 模块替换为 CoT3 模块，并将 CA 模块加入Neck网络23层后，增强网络学习特征的表达能力；将 Conv 模块激活函数 SiLU 替换为 Hardswish。改进后的网络结构如图7所示。图7 YOLOv5sCG网络结构3 实验对比与分析3.1 实验环境与实验参数本 文 实 验 环 境 为：GPU 为 NVIDIA GeForce RTX3090，40 GB显存，Ubuntu 18.04操作系统，Pytorch 1.7深度学习框架，编程语言为Python 3.7，GPU加速软件为CUDA11.0，在网络模型训练过程使用的优化器为SGD。实验超参数设置：输入图像尺寸大小为 640640，训练时 批 量 处 理 大 小 batchsize 为 32，总 共 训 练 批 次 为300 个epoch，优化器选择SGD，初始化学习率为0.01，学习率动量为0.937。3.2 数据集本文所有实验在 INRIA 公开数据集上进行训练和测试。INRIA数据集是目前使用最多的行人数据集，数据集中的行人图像分辨率较高，行人目标与背景的区分相对明显，比较容易检测。图片中的行人姿态、背景和光照条件等丰富多变，存在单个行人以及拥挤遮挡人群的情况，适合用于行人检测。训练集中有 614张图像，测 试 集 有 288 张 图 像12。数 据 集 训 练 样 本 较 少，YOLOv5中使用数据增强技术，充分利用计算机来生成数据，增加数据量，如采用缩放、平移、旋转、色彩变换、Mosaic等方法增强数据。3.3 实验评估指标本研究使用目标检测通用评估指标来分析改进的YOLOv5s模型的性能，包括精确率（Precision,P）、召回率（Recall,R）、平均精确率（Average Precision,AP）、模型大小（MB）、参数量（Params）、计算量（GFLOPS）以及模型每秒检测的图像数量（FPS）等指标。P、R和 AP分别表示为：P=TPTP+FP（10）R=TPTP+FN（11）AP=01P(R)dR（12）式中：TP（True Positives）表示IoU大于设定阈值的检测框数量；FP（False Positives）表示IoU小于等于设定的阈值的检测框；FN（False Negative）表示没有检测到的真实框的数目。平均精度均值（mean Average Precision,mAP）表示多个类别的 AP 的平均值，mAP0.5 代表在 IoU 阈值为0.5 时的平均值，mAP0.5:0.95 代表在 IoU 阈值为从0.50.95，步长为0.05时各个mAP的平均值。3.4 实验结果与分析3.4.1 改进损失函数实验分析YOLOv5s 原始使用的边界框损失函数为 CIoU，改进为 EIoU，图 8为 CIoU 和 EIoU 两种函数定位损失值对比，可以看出EIoU的收敛效果更好。图8 定位损失值对比3.4.2 添加注意力机制实验分析为了验证主流的注意力机制模块哪个效果好，以YOLOv5s模型为基础模型，在改进损失函数的基础上，把 SE、ECA、CBAM、CA 四种注意力机制分别添加在主干网络倒数第二层，在 INRIA 测试集上进行对比实验，实验结果如表1所示。由表1中添加四种不同的注意力高 英，等：基于YOLOv5s的轻量化行人检测算法155现代电子技术2023年第46卷模块比较结果可以看出，添加 CA 模块的 mAP 值提升最大。表1 各种注意力机制性能对比结果ModelsYOLOv5s+SE+ECA+CBAM+CA+C3CA1+C3CA2P/%95.195.093.890.196.794.495.8R/%89.689.690.693.290.791.590.0mAP0.5/%95.195.495.296.196.396.596.9mAP0.5:0.95/%66.466.367.267.068.966.867.6体积/MB14.414.514.414.514.515.213.8参数量/1067.027.057.017.057.057.376.71为进一步提高模型性能，根据图 3中 CA 注意力机制融合 C3模块的两种融合方法，将主干网络中所有 C3模块替换为改进的融合模块C3CA1和C3CA2，由表1所示的各种注意力机制性能对比结果可以看出，C3模块替换为 C3CA1或 C3CA2模块后，模型召回率和 mAP 值都 有 所 提 升，其 中 C3CA2 效 果 更 好，mAP0.5 提 升1.8%，mAP0.5:0.95 提高了 1.2%，体积、参数量都有所下降；C3CA1提升效果不及 C3CA2，且参数量增大。综上所述，采用 C3CA2 方法改进主干网络模型整体性能提升显著。3.4.3 消融实验本文提出的四种改进方法分别为 C3CA2、GSConv、CoT3 和 CA，为了验证四种改进方法的有效性，以原始YOLOv5s算法为基础，分别增加一种、两种、三种改进方法，做了 9组对比实验，以四种方法融合 YOLOv5s为最终改进模型。消融实验性能对比结果如表2所示。实验序号123456789C3CA2GSConvCoT3CAP/%95.195.896.094.895.193.095.995.695.1R/%89.690.090.389.189.593.090.891.392.0mAP0.5/%95.196.996.095.595.596.396.196.797.0mAP0.5:0.95/%66.467.667.366.666.267.368.366.868.5体积/MB14.413.812.914.414.512.312.312.412.4参数量/1067.026.716.586.997.046.276.256.296.28GFLOPS15.815.215.215.715.814.714.614.714.7FPS885784878355485551表2 消融实验性能对比表 2 中，“”表示引入该方法，实验 1 为基础模型YOLOv5s，实验 2 将 Backbone 部分 C3 模块全部替换为C3CA2，实验 3 将 Neck 部分普通 Conv 层全部更换为GSConv卷积层，实验4将Neck部分23层C3模块替换为CoT3模块，实验 5在 23层后添加 CA模块。从表 2可以看出，分别引入四种方法，模型检测精度、召回率等指标均有不同程度的提升。其中引入 C3CA2 方法，mAP 提升效果最好，且参数量、模型体积和计算量都有所降低；GSConv方法mAP提升次之，但参数量、模型体积降低最多；引入单个 CoT3 和 CA 模块 mAP 提升较小，但将这两个模块与其他模块融合则 mAP 提升明显，且对模型体积、参数量影响不大。因此本文同时融合四种方法对YOLOv5s进行改进，平均精度大幅提升的同时使模型更加轻量化，最终改进的算法相较于 YOLOv5s模型，检测精 度 mAP0.5 提 高 了 1.9%，mAP0.5:0.95 提 高 了2.1%，而 参 数 量 降 低 10.5%，模 型 体 积 降 低 13%，GFLOPS减少7%，FPS有所下降但依旧满足算法的实时性要求。3.4.4 对比实验为了进一步验证本文所提模型的有效性以及优越性，将本文改进的算法YOLOv5sG与YOLOv3、YOLOv3tiny、YOLOv4tiny、YOLOv5m 和 YOLOv5s 算法在 INRIA数据集上分别进行训练和测试，实验结果如表3所示。从表 3看出，本文改进的模型 YOLOv5sCG 与其他算法模型相比，有较高的检测精度、最小的体积，其检测精度与 YOLOv5m 模型较为接近，但 YOLOv5sCG 所占用的体积只有YOLOv5m的29%，参数量只有其30%，体量、参数量的优势明显；与 YOLOv3tiny和 YOLOv4tiny两个轻量化模型相比，本文改进的模型 YOLOv5sCG体量更小，检测精度更高。156第22期表3 不同模型的性能对比模型YOLOv3YOLOv3tinyYOLOv4tinyYOLOv5sYOLOv5mYOLOv5sCGP/%98.695.189.294.596.495.1R/%86.881.773.989.890.992.0mAP0.5/%92.990.287.195.196.797.0体积/MB123.517.430.914.442.212.4参数量/10661.508.608.027.221.26.2为了更直观地比较改进前后检测效果产生的变化，对不同场景下的行人进行检测，检测结果对比如图 9所示，图 a）为原模型检测结果，图b）为改进后模型检测结果。图9 检测结果对比图通过对比图 9检测结果可以看出，改进后模型的漏检率明显少于前者，检测效果明显提升，证明了改进后模型的优越性。4 结 语针对实际场景下行人检测精度低、网络模型体量大的问题，本文通过改进边界框损失函数，融合CA注意力模块，引入轻量化卷积层 GSConv，融合自注意力模块CoT 等方法的集成来优化 YOLOv5s算法。实验结果表明，改进后的模型相比于原始模型 mAP0.5 提高了1.9%，mAP0.5:0.95提高了2.1%，而模型参数量降低了10.5%，模型体积降低了 13%，GFLOPS减少 7%，有效提升了行人检测的精度，对于实际场景下的行人有较好的检测效果和较强的鲁棒性；同时模型更加轻量化、高效，体量小的检测算法能够更好地应用于一些小型智能设备或无人机之类的使用场景中，研究具有一定的现实意义。改进算法针对密集行人检测仍有提升空间，下一步将对密集行人的检测进行研究。参考文献1 章程军，胡晓兵，牛洪超.基于改进 YOLOv5的车辆目标检测研究J.四川大学学报（自然科学版），2022，59（5）：7987.2 GIRSHICK R,DONAHUE J,DARRELL T,et al.Rich feature hierarchies for accurate object detection and semantic segmentation C/Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.Columbus,Ohio,USA:IEEE,2014:580587.3 GIRSHICK R.Fast R CNN C/Proceedings of the IEEE International Conference on Computer Vision.Santiago:IEEE,2015:14401448.4 REN S Q,HE K,GIRSHICK R,et al.Faster RCNN:Towards real time object detection with region proposal networks J.IEEE transactions on pattern analysis&machine intelligence,2017,39(6):11371149.5 LIU W,ANGUELOV D,ERHAN D,et al.SSD:single shot multibox detector C/European Conference on Computer Vision.Amsterdam:Springer,2016:2137.6 REDMON J,DIVVALA S,GIRSHICK R,et al.You only look once:unified,real time object detection C/Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.Las Vegas:IEEE,2016:779788.7 REDMON J,FARHADI A.YOLO9000:better,faster,stronger C/Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.Honolulu,HI,USA:IEEE,2017:72637271.8 REDMON J,FARHADI A.Yolov3:an incremental improvement EB/OL.2022 10 21.https:/arxiv.org/pdf/1804.02767.pdf.9 BOCHKOVSKIY A,WANG C Y,LIAO H Y M.Yolov4:optimal speed and accuracy of object detection EB/OL.20230111.https:/arxiv.org/abs/2004.10934.10 谢富，朱定局.深度学习目标检测方法综述J.计算机系统应用，2022，31（2）：112.11 王程，刘元盛，刘圣杰.基于改进YOLOv4的小目标行人检测算法J.计算机工程，2023，49（2）：296302.12 孙家慧，葛华勇，张哲浩.结合注意机制和多尺度卷积的YOLO行人检测J.计算机系统应用，2022，31（4）：171179.13 陈一潇，阿里甫库尔班，林文龙，等.面向拥挤行人检测的CAYOLOv5J.计算机工程与应用，2022，58（9）：238245.14 LI Hulin,LI Jun,WEI Hanbing,et al.Slimneck by GSConv:a better design paradigm of detector architectures for autonomous vehicles EB/OL.20221224.https:/arxiv.org/abs/2206.02424v2.15 HU J,SHEN L,SUN G.Squeezeandexcitation networks C/IEEE/CVF Conference on Computer Vision and Pattern Recognition.Salt Lake City,USA:IEEE,2018:71327141.高 英，等：基于YOLOv5s的轻量化行人检测算法157现代电子技术2023年第46卷16 WANG Q,WU B,ZHU P,et al.ECANet:efficient channel attention for deep convolutional neural networks C/2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition.Seattle:IEEE,2020:1153111539.17 WOO S,PARK J,LEE J Y,et al.CBAM:convolutional block attention module C/Proceedings of the 15th European Conference on Computer Vision.Munich:Springer,2018:319.18 HOU Q B,ZHOU D Q,FENG J S.Coordinate attention for efficient mobile network design C/IEEE/CVF Conference on Computer Vision and Pattern Recognition.Nashville,TN,USA:IEEE,2021:1370813717.19 HE K,ZHANG X,REN S,et al.Spatial pyramid pooling in deep convolutional networks for visual recognition J.Pattern analysis&machine intelligence IEEE transactions on,2015,37(9):19041916.20 LIN T Y,DOLLR P,GIRSHICK R,et al.Feature pyramid networks for object detection C/Proceedings of 2017 IEEE Conference on Computer Vision and Pattern Recognition.Honolulu:IEEE,2017:936944.21 LIU S,QI L,QIN H,et al.Path agregation network for instance segmentation C/Procedings of the IEEE Conference on Computer Vision and Patern Recognition.Salt Lake City,UT,USA:IEEE,2018:87598768.22 LI Y H,YAO T,PAN Y W,et al.Contextual transformer networks for visual recognitionJ.Visual recognition,2023,45(2):14891500.23 ZHENG Z,WANG P,REN D,et al.Enhancing geometric factors in model learning and inference for object detection and instance segmentation J.IEEE transactions on cybernetics,2022,52(8):85748586.24 ZHANG Y F,REN W,ZHANG Z,et al.Focal and efficient IOU loss for accurate bounding box regression EB/OL.20211212.https:/arxiv.org/abs/2101.08158.作者简介：高 英（1997），女，云南楚雄人，硕士研究生，研究方向为计算机视觉、行人检测。吴玉虹（1971），女，云南昆明人，硕士，副教授，研究方向为集成电子电路、图像处理。158