基于YOLOv7道路交通热红外图像目标检测算法

来源：计算机技术与发展杂志2024年第11期北京时间：

作者：郭伟;唐思涛*;王春艳

摘要：热红外图像具有分辨率低、高噪声、空间相关性强的特点。 为解决道路交通红外目标检测算法存在的检测精度低、漏检和误检等问题,提出一种改进 YOLOv7 的算法。 将主干网络原有的 ELAN 模块替换成 ELAN-P 模块,降低模型的参数量和计算量,使模型更加轻量化,增强对红外目标的提取能力;在主干网络和颈部网络引入 CA 注意力机制,将坐标信息嵌入到通道中,增强对模糊目标和密集目标的定位能力;将原有的 CIoU 损失函数替换成 WIoU 损失函数,提高对遮挡目标和弱小目标的检测精度。 在中国热红外数据集 CTIR 上实验表明,改进算法相较于 YOLOv7 算法,参数量和计算量分别减少 11. 6 百分点和 19. 5 百分点,检测精度 mAP 值提高了 3. 1 百分点,其中 Car、Pedestrian、Cyclist、Bus 和 Truck 五个类别的检测结果 AP 值分别提高了 1. 9 百分点、1. 9 百分点、1. 5 百分点、4. 9 百分点和 5. 3 百分点,检测性能有所提升。 在公开数据集 FLIR 上进行泛化性对比实验,结果表明改进算法具有通用性。

关键词：目标检测;热红外图像;YOLOv7;ELAN-P;坐标注意力机制;WIoU