基于改进YOLOv7的交通路口目标识别算法

摘要

针对交通路口车辆目标检测算法存在精确度低、少检、漏检等问题，提出一种基于改进YOLOv7的交通路口目标识别算法.该算法首先利用前馈式卷积注意力机制CBAM从通道注意力和空间注意力两者提升网络对关键特征的注意力，提高网络的运行速率，优化网络的特征提取能力；其次采取空间层到深度层连接全维动态卷积组成一个新的学习模块，以此结构改进YOLOv7特征学习方式，提升特征表达能力；最后在实际采集的交通路口数据集上进行实验.实验结果表明，该方法在对应数据集上平均精度达到96.1%,训练耗时降低至16.71 h,因此针对交通路口小目标检测有明显的识别优势.

关键词

深度学习 / 目标检测 / 卷积神经网络 / 注意力机制 / 全维动态卷积