基于注意力机制融合特征的车辆目标检测方法

来源：电子测量技术杂志2024年第9期北京时间：

作者：过鑫炎，朱硕，孙佳豪，梁吉丰，汪宗洋

单位：1.南京信息工程大学 南京 210044; 2.无锡学院 无锡 214105; 3.无锡汐沅科技有限公司 无锡 214000

摘要：为了解决道路监控下的车辆目标检测精度低的问题，本文提出一种改进YOLOv7的车辆检测方法。首先引入跨空间学习的高效多尺度注意机制EMA来提高对特征信息的关注；其次将颈部网络中的SPPCSPC模块替换为SPPFCSPC模块，裁剪CBS层，引入EMA注意力机制，以强化对小目标区域的关注，获取更准确的车辆特征；同时，将EMA注意力引入MP模块中，使网络融合更多重要的特征信息；最后，采用MPDIoU损失函数，加快模型收敛速度并提高检测精度。实验结果表明，改进后的YOLOv7检测精度为86.69％，相比原始YOLOv7网络提高了2.83%，可以有效地提升车辆目标检测精度，为道路视频监控等提供保证。

关键词：车辆检测;YOLOv7;注意力机制;MPDIoU loss