基于注意力机制改进YOLOv7算法的车辆识别检测

牟俊宇; 陈菲; 韩钰松; 刘超; 白云贵; 刘丽霞

doi:10.16442/j.cnki.qlgydxxb.2025.02.002

齐鲁工业大学学报 ›› 2025, Vol. 39 ›› Issue (02) : 8 -16. DOI: 10.16442/j.cnki.qlgydxxb.2025.02.002

基于注意力机制改进YOLOv7算法的车辆识别检测

牟俊宇, 陈菲, 韩钰松, 刘超, 白云贵, 刘丽霞

作者信息 +

Author information +

文章历史 +

摘要

实时对象目标检测是计算机视觉中非常重要的主题，是计算机视觉系统中的必要组件。针对城市交通汽车检测问题，可以利用YOLO模型实现对道路车辆检测的智能化。为优化计算机对车辆的实时检测能力，该研究提出一种基于注意力机制的改进YOLO算法的车辆识别检测算法，使用YOLOv7为主体，在YOLOv7网络模型的Backbone和Head模块引入注意力机制，以适应不同车辆的识别任务。在Roboflow的公开数据集上进行实验，结果表明，改进后的网络模型相较于原始的YOLOv7网络模型，汽车漏检情况得到改善，在同一数据集下相比YOLOv7网络模型提升了0.9%,P_mA值达72.2%,检测效果可基本满足汽车检测应用需求。