重庆理工大学学报(自然科学) ›› 2024, Vol. 38 ›› Issue (11): 27-34.

• 车辆工程 • 上一篇    下一篇

改进 YOLOv7的道路多目标检测算法

张 琦,张赛军,周广生,谢 豪   

  1. 华南理工大学 机械与汽车工程学院,广州 510640
  • 发布日期:2024-12-31
  • 作者简介:张琦,男,硕士研究生,主要从事计算机视觉与目标检测研究,Email:598423240@qq.com;通信作者 张赛军,男,博士,副教授,主要从事数字图像处理研究,Email:mesjzhang@scut.edu.cn

  • Published:2024-12-31

摘要: 道路环境感知是自动驾驶任务中的重要组成部分,为解决道路环境感知中小目标检测困难、检测目标尺寸不一致以及检测目标的遮挡给检测任务带来的困难,提出一种深度学习增强方法以提高目标检测性能。设计了 BottleneckELAN(bottleneckefficientlayeraggregationnetworks)模块作为主干,加强了模型的特征提取能力。使用 GatherandDistribute(GD)机制实现了特征图之间跨尺度的直接融合,解决了颈部网络的信息丢失问题。此外,采用 CompleteIOU(CIOU)和 NormalizedWassersteinDistance(NWD)相结合的损失函数组,解决了单一 IOU损失函数对不同尺度物体位移敏感性不一致和平滑性差的问题。结果表明,改进后的模型在 BDD100K数据集上的平均精度均值达到了 43.4%,相较于原始的 YOLOv7算法提高了 3.1%,并且在小目标检测中精度提升更为明显,达到 10%。

关键词: 计算机视觉;目标检测;深度学习;YOLOv7算法

中图分类号: 

  • TP391.4