CCBA-NMS-YD: एक वाहन पैदल यात्री पहचान और ट्रैकिंग विधि जो सुधारित YOLOv7 और DeepSort पर आधारित है

इस पेपर में, हम सुधारित YOLOv7 और DeepSort एल्गोरिदम पर आधारित एक वाहन पैदल यात्री पहचान और ट्रैकिंग विधि का प्रस्ताव करते हैं। हमारा लक्ष्य वाहन पैदल यात्री पहचान और ट्रैकिंग की गुणवत्ता में सुधार करना है, जिससे वर्तमान वाणिज्यिक रूप से उपलब्ध स्वायत्त ड्राइविंग तकनीकों को जटिल और बदलती सड़क यातायात स्थितियों में सामना करने में मदद मिले। पहले, YOLOv7 में NMS (नॉन-मैक्सिमम सप्रेशन) एल्गोरिदम को संशोधित Soft-NMS एल्गोरिदम के साथ बदल दिया गया है ताकि यह सुनिश्चित किया जा सके कि लक्ष्यों को उच्च घनत्व में सटीकता से पहचाना जा सके, और दूसरा, CCBA (कोऑर्डिनेट चैनल ध्यान मॉड्यूल) ध्यान तंत्र को शामिल किया गया है ताकि नेटवर्क की विशेषता निकालने और धारणा क्षमताओं में सुधार किया जा सके। आखिर में, छोटे लक्ष्यों की विशेषताओं को अधिक सटीकता से निकालने के लिए एक मल्टी-स्केल फीचर नेटवर्क पेश किया गया है। अंततः, DeepSort के फीचर निकालने वाले नेटवर्क में MobileNetV3 लाइटवेट मॉड्यूल को पेश किया गया है, जो न केवल मॉडल के पैरामीटर और नेटवर्क की जटिलता को कम करता है, बल्कि लक्ष्यों की ट्रैकिंग प्रदर्शन को भी सुधारता है। प्रयोगात्मक परिणाम दर्शाते हैं कि सुधारित YOLOv7 एल्गोरिदम मूल एल्गोरिदम की तुलना में औसत पहचान सटीकता में 3.77% सुधार करता है; MOT20 डेटासेट पर, परिष्कृत DeepSort मॉडल MOTA में 1.6% की वृद्धि और MOTP में 1.9% का सुधार प्राप्त करता है; इसके अलावा, मॉडल का आकार मूल एल्गोरिदम का एक-आठवां है। संक्षेप में, हमारा मॉडल इच्छित वास्तविक समय और सटीकता प्राप्त करने में सक्षम है, जो स्वायत्त ड्राइविंग के लिए और अधिक उपयुक्त है।