改进YOLOv7的交通标志检测算法
自动驾驶技术的快速发展,导致对交通标志检测技术的要求日益提高.为解决YOLOv7算法在识别小目标时误检、漏检等问题,本文提出一种基于注意力机制的交通标志检测模型YOLOv7-PC.首先通过K-means++聚类算法对交通标志数据集进行聚类,获得适用于检测交通标志的锚框;其次在YOLOv7主干特征提取网络中引入坐标注意力机制,将交通标志的横向和纵向信息嵌入到通道中,使生成的特征信息具有交通标志的坐标信息,加强有效特征的提取;最后在加强特征提取网络中引入空洞空间金字塔池化,捕获交通标志多尺度上下文信息,在保证交通标志小目标分辨率的同时,进一步扩大卷积的感受野.在中国交通标志检测数据集(CCTSDB)上的实验表明,本文算法增强了识别小目标的能力,相较于YOLOv7模型,本文算法的mAP、召回率平均分别提高了 5.22%、9.01%,是一种有效的交通标志检测算法.
目标检测、交通标志识别、YOLOv7、注意力机制、空洞卷积、深度学习
32
TP391.41;TP181;TN911.73
陕西省自然科学基金面上项目;长安大学研究生科研创新实践项目
2023-10-25(万方平台首次上网日期,不代表论文的发表时间)
共9页
157-165