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。
科研之友
微信
新浪微博
Facebook
分享链接
