FW-YOLO:一种基于频率引导和小波增强的密集行人检测算法OA

在密集目标检测场景中,传统方法存在高频边缘信息丢失、上采样细节模糊及尺度适应性不足等问题。为此,本文提出一种基于频率引导的目标检测算法FW-YOLO。该算法设计频率引导全维动态卷积模块(FGODC),利用Haar小波变换分解特征,并结合高频响应引导卷积核选择,以增强下采样阶段的边缘信息保留能力;提出频率残差引导上采样模块(FRUpsample),将高频特征注入上采样路径,实现边缘细节恢复;构建频率引导共享检测头(FGSHHead),结合跨尺度权重共享与FiLM机制,提升不同尺度目标的检测能力。实验结果表明,在CrowdHuman数据集上,该方法的精确率、召回率、mAP50和mAP50:95分别提升1.1%、3.8%、1.8%和2.0%,验证了频率引导策略在密集目标检测中的有效性,为密集目标检测任务提供了一种新的解决思路。