基于YOLOv7的交通目标检测算法研究

来源：计算机测量与控制杂志2024年第4期北京时间：

作者：王沛雪,张富春,董晨乐

单位：延安大学物理与电子信息学院

摘要：针对交通场景中由光照、遮挡、目标小以及背景复杂等因素导致目标检测精度低，易出现漏检和误检问题的情况，提出了一种基于YOLOv7的交通目标检测算法；该算法在主干网络中融入多头注意力机制，以增强网络特征学习能力，从而更好地捕获数据和特征内部的相关性；在YOLOv7颈部网络引入协调注意力模块(CA)，将位置信息嵌入到注意力机制中，忽略无关信息的干扰，以增强网络的特征提取能力；增加一个多尺度检测网络，以增强模型对不同尺度目标的检测能力；将CIoU损失函数更改为SIoU函数，以减少模型收敛不稳定问题，提高模型的鲁棒性；实验结果表明，改进的算法在BDD100K公开数据集上的检测精度和速度分别达到了59.8% mAP和96.2 FPS，相比原算法检测精度提高了2.5%；这表明改进的算法在满足实时性要求的同时，具备良好的检测精度，适用于复杂情况下的交通目标检测任务。

关键词：交通目标检测;YOLOv7网络;注意力机制;浅层网络检测层;SIoU损失函数

基金资助：国家自然科学基金项目（62264015）；延安市科技创新项目（2017CXTD-01）