面向路侧视角目标检测的轻量级YOLOv7-R算法

摘要：

针对V2X中的路侧感知单元在检测过程中,模型部署困难的问题、被测目标所呈现的多尺度问题及目标之间遮挡问题,提出了一种基于YOLOv7算法的轻量级检测算法YOLOv7-R.首先使用改进的EfficientNetv2-s重新构建YOLOv7的主干网络,减小模型参数量,提高模型的推理速度.其次,采用CA坐标注意力机制,保留精确的位置信息,加强模型对多尺度目标的检测性能;同时采用Focal-EIoU损失函数,提升算法精度.最后,在预处理阶段使用GridMask数据增强,提升算法对被遮挡目标的学习能力.实验结果表明:相较于基线算法YOLOv7,该算法在DAIR-V2X-I数据集上的map@0.5和map@0.5:0.95分别提高了3%与4.8%,检测速率达到了96.3 f/s,从而在满足轻量化要求的同时得到更优的检测精度,有效地实现了路侧单元对交通参与者的检测任务.

关键词：深度学习、路侧感知、YOLOv7、轻量化、注意力机制、车路协同

所属期刊栏目：45

分类号：TP391.41;TN957.51;P237

资助基金：天津市科委新一代人工智能科技重大专项基金18ZXZNGX00230

在线出版日期：2023-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1833-1844