摘要: 针对交通视频流中车辆检测模型内存占用大、部分特征难以提取等问题,提出了一
种改进的 YOLOv7网络模型。使用轻量化结构替换主干网络,引入的无参注意力机制在不增加
模型参数量的前提下提升特征提取能力,同时融合改进的双向特征金字塔网络提升检测精度。
为了增强模型的鲁棒性,对数据集中的样本进行了随机忽略区域的处理。将改进后的网络模型
在处理过的数据集上进行实验,结果表明参数量约为基础模型的 1/6,FPS提高到了 143.8,
mAP0.5提升了 9.1%,验证了模型的优越性。
中图分类号:
丁 华, 刘 来. 面向交通视频流的轻量化车辆检测模型[J]. 重庆理工大学学报(自然科学), 2023, 37(11): 64-72.