改进YOLOv7在复杂场景下的交通标志检测算法

作     者：许明 屈泰澎 姜彦吉 

作者机构：辽宁工程技术大学软件学院 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2024年

学科分类：08[工学] 080203[工学-机械设计及理论] 080204[工学-车辆工程] 0802[工学-机械工程] 

基　　金：行车复杂噪声环境的低复杂度语音增强方法研究(LJKZ0338) 

主　　题：目标检测 交通标志识别 YOLOv7 多分支特征提取 多尺度特征融合 注意力机制 

摘      要：为解决现有目标检测算法在复杂场景下对交通标志的误检、漏检等问题，提出了一种改进YOLOv7的交通标志检测算法YOLOv7-MBFE。首先，提出一种基于膨胀卷积的多分支特征提取模块，控制最短和最长的梯度路径，增强模型的特征提取能力；其次，在头部网络中构建渐进特征金字塔结构，充分融合不同层次的特征信息，改善模型的特征表达；在SPPCSPC模块中引入通道注意力机制，自适应调整通道的权重，增强不同通道之间特征交互，并将多头自注意力机制融合至下采样阶段，增强模型对全局上下文信息的感知能力，提高模型在复杂场景下的检测性能。最后，使用Focal-EIOU替换原YOLOv7模型中的损失函数，使模型更专注于高质量的锚框，加快模型的收敛速度，提高模型的鲁棒性。将该算法在中国交通标志检测数据集上进行了大量实验。实验结果表明，该算法相较于YOLOv7算法平均精度均值提升了9.25%、准确率提升了3.92%、召回率提升了5.19%。改进后的算法在复杂场景下的误检、漏检等问题得到了显著改善，检测效果优于原始模型与经典目标检测模型。