En escenarios de detección de objetos densos, los métodos tradicionales presentan problemas como pérdida de información de bordes de alta frecuencia, desenfoque de detalles en el sobremuestreo y adaptación insuficiente a la escala. Por ello, este artículo propone un algoritmo de detección de objetos basado en la guía de frecuencia FW-YOLO. El algoritmo diseña un módulo de convolución dinámica dimensional completa guiado por frecuencia (FGODC), utiliza la transformada wavelet de Haar para descomponer las características y combina la respuesta de alta frecuencia para guiar la selección del núcleo de convolución, mejorando la capacidad de conservación de la información de bordes en la etapa de reducción; propone un módulo de sobremuestreo guiado por residuo de frecuencia (FRUpsample), que inyecta características de alta frecuencia en la ruta de sobremuestreo para recuperar detalles de los bordes; construye una cabeza de detección compartida guiada por frecuencia (FGSHHead), combinando el reparto de pesos a través de escalas con el mecanismo FiLM para mejorar la capacidad de detección de objetos a diferentes escalas. Los resultados experimentales muestran que en el conjunto de datos CrowdHuman, este método mejora la precisión, el recall, mAP50 y mAP50:95 en un 1.1%, 3.8%, 1.8% y 2.0% respectivamente, validando la efectividad de la estrategia guiada por frecuencia en la detección de objetos densos y proporcionando un nuevo enfoque para esta tarea.

detección de objetos;guía de frecuencia;transformada wavelet;convolución dinámica;sobremuestreo;detección densa de peatones