-
题名非结构化道路坑洼检测的YOLOv7算法优化
- 1
-
-
作者
曲雪莲
周福强
谷玉海
王少红
-
机构
北京信息科技大学现代测控技术教育部重点实验室
-
出处
《电子测量技术》
2025年第14期146-153,共8页
-
文摘
在非结构化道路环境中,及时准确地检测道路坑洼对于保障交通安全至关重要。当前检测算法在复杂场景中存在漏检和精度不足的问题。为提升检测性能,提出了一种基于YOLOv7算法的改进方法。首先通过引入增强的分层多尺度特征融合模块,优化特征提取能力;其次加入高效通道注意力机制,提高模型对目标区域的关注度;最后使用深度可分离卷积减少计算量,提高检测效率。改进后的模型在自制数据集上进行验证,与现有的YOLOv7x、YOLOv7-d6、YOLOv5x和YOLOv5m模型进行对比测试,并将改进后的模型进行公开数据集的迁移学习,采用精确率、召回率(R)、平均精度均值、参数量和每秒帧数作为评估指标。实验结果表明,改进模型在精确率、召回率和平均精度均值上分别提升了5.47%、4.42%和6.65%,在检测速度上也保持了较高的效率;与常用目标检测模型对比性能优异;进行公开数据集的迁移学习后,精确率、召回率和平均精度均值得到进一步提升。这一改进显著提升了模型的检测性能和鲁棒性,不仅增强了交通安全保障能力,也为无人驾驶提供了可靠的技术支持。
-
关键词
非结构化道路
目标检测
YOLOv7算法
增强分层多尺度融合
-
Keywords
unstructured road
object detection
YOLOv7 algorithm
enhanced hierarchical multi-scale fusion
-
分类号
TP391.4
[自动化与计算机技术]
TN911.73
[自动化与计算机技术—计算机应用技术]
-
