基于注意力机制与特征融合的改进YOLOv7车辆检测方法

作者：原蕾; 王科俊

来源：国外电子测量技术, 2023, 42(09): 49-57.

DOI：10.19652/j.cnki.femt.2304944

• 车辆检测
• YOLOv7
• 注意力机制
• 特征融合

智能辅助驾驶场景下车辆检测存在车辆目标小、被遮挡严重等情况，造成对交通环境感知不全。针对上述问题，从防止特征在传递过程中信息丢失出发，提出了一种基于改进YOLOv7的车辆检测方法。首先对瓶颈注意力机制(bottleneck attention module, BAM)的通道和空间注意力分支分别进行改进，减少特征信息的丢失；使用meta-ACON激活函数强化网络对特征的有效表达；最后引入带权重的特征融合和跨层连接，将不同层的特征进行融合，进一步避免信息丢失。实验结果表明，改进后的方法在KITTI车辆数据集上检测精度达到96.05%,相比于原始YOLOv7,检测速度基本不变，精度提升了3.62%,并且对小目标车辆和被遮挡车辆的检测效果提升明显。

• 单位
  北京理工大学; 哈尔滨工程大学; 郑州工商学院