改进YOLOv7的轻量化交通标志检测算法

摘要

【目的】针对现有交通标志检测算法中的较大计算量和较高参数量的问题，提出一种改进YOLOv7的轻量化交通标志检测算法。【方法】该算法分为输入、提取特征的骨干网络、融合特征的颈部网络和对目标进行预测的头部网络4个部分。在骨干网络引入大核卷积，增大了有效感受野，提升了骨干网络提取特征的能力；检测颈部融合坐标注意力、随机池化等方法，既能构建通道注意力又能捕捉准确位置，同时提升网络的泛化能力；此外，提出集中综合深度可分离卷积模块，在减少参数量的同时更好地提取图像特征。【结果】实验结果表明，本文算法在CCTSDB2021数据集上的检测精度达到了93.13%,mAP也达到了87.59%,相较于同类型的方法有了较大的提高，该网络在较低的参数量和计算量的情况下实现了较高的精确率，不仅能够精准地捕捉交通标志的位置信息，同时能够准确地对交通标志进行预测。

关键词

交通标志检测 / 轻量化 / 大核卷积 / 坐标注意力 / 深度可分离卷积