基于改进YOLOv7x的车型识别算法

摘要

为提高车型识别精度并改善误检问题，本文提出了一种改进YOLOv7x的车型识别算法.首先，对BIT-Vehicle数据集进行提取并人为划分，使数据集符合模型要求；其次，将CBAM(Convolutional block attention module)注意力机制加入backbone网络中，在模型参数增幅较小的情况下，提升主干网络的特征提取能力；最后，引入SIoU损失函数，利用predict box和groundtruth box之间的向量角度，重新定义了损失函数，提高了模型检测的mAP0.5(mean Average Precision, IoU=0.5)与准确率.实验结果表明，改进YOLOv7x算法整体识别结果优于YOLOv7x算法，改进YOLOv7x算法的mAP0.5和准确率分别为98.4%和97.4%,分别提高了0.5%和1.1%,具有更优的精度和更低的误检率，较好地满足了车型识别的需求.

关键词

YOLOv7x / 车型识别 / 注意力机制

基金资助

辽宁省教育科学“十三五”规划2020年度一般课题(JG20DB197); 辽宁省研究生教育教学改革项目(LNYJG2022010); 辽宁大学研究生优质课程建设与教学模式综合改革研究项目(YJG202302095);辽宁大学研究生“课程思政”示范课程(YSZ202311020)