适用于鱼眼图像的改进YOLOv7目标检测算法

来源：计算机工程与应用杂志2024年第14期北京时间：

作者：吴兆东, 徐成, 刘宏哲, 付莹, 蹇木伟

单位：1.北京联合大学 北京市信息服务工程重点实验室，北京 100101；2.北京理工大学 计算机学院，北京 100081；3.山东财经大学 计算机科学与技术学院，济南 250014

摘要：鱼眼相机捕获的图像具有宽视场、几何失真和尺度差异大等特点，这给基于标准卷积网络的目标检测器带来了巨大的挑战。现有的目标检测算法可以在网络结构设计、特征学习等方面进一步改进以适用于鱼眼图像上的失真目标检测任务。为减轻鱼眼图像上径向畸变的影响，研究在YOLOv7主干引入多分支堆叠结构的多头注意力模块以捕获全局上下文信息，提高检测准确性。同时，在YOLOv7的Neck侧，使用简单高效的融合可变形卷积的层聚合结构以实现有效的多尺度特征融合，提高模型对失真目标的特征提取能力。提出的检测模型直接在鱼眼图像上执行，无须指定先验信息和校准。在公开的综合鱼眼图像数据集VOC_360上进行实验，结果表明，改进后的YOLOv7鱼眼图像目标检测器有效地提高了检测精度，mAP50、mAP50：95分别达到84.3%、70.4%，相比基准模型YOLOv7分别提升3.1个百分点、6.4个百分点。

关键词：目标检测,鱼眼图像,多头注意力,可变形卷积,YOLO算法