-
题名基于改进YOLOv7-Tiny的车辆检测研究
- 1
-
-
作者
李昊璇
辛拓宇
-
机构
山西大学物理电子工程学院
-
出处
《电子设计工程》
2025年第1期181-185,共5页
-
文摘
为了提高计算机识别检测车辆的准确度与速度,提出了一种基于改进YOLOv7-Tiny的车辆检测算法。在众多目标检测模型中,YOLOv7有着非常快的检测速度和较高的检测精度,非常适用于实时检测任务。在原YOLOv7-Tiny模型的基础上进行改进,将最浅层ELAN-T模块纳入特征金字塔,通过跳跃连接的方式将浅层特征与深层特征跨层融合,使输出的特征信息更加丰富。同时引入SE注意力机制,将计算资源分配给对当前任务更为关键的信息。并且更换了非线性激活函数HardSwish,以提高模型的表达能力。在华为发布的2D自动驾驶数据集SODA10M上进行实验,结果表明,改进后的模型对所有四种目标的检测精度都有所提高,平均精度mAP@0.5达到了66.1%,比原YOLOv7-Tiny模型61.0%提升了5.1%。
-
关键词
目标检测
车辆检测
YOLOv7
注意力机制
深度学习
-
Keywords
object detection
vehicle detection
YOLOv7
attention mechanism
deep learning
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
