改进YOLOv4的复杂交通场景目标检测方法

作者：袁小平; 王准; 韩俊; 陈烨

来源：科学技术与工程, 2023, 23(06): 2509-2517.

• 目标检测
• YOLOv4
• 多尺度特征
• 注意力机制

针对复杂交通场景下密集小目标居多、目标尺寸差异大、目标间遮挡严重的问题，提出了一种基于YOLOv4框架的复杂交通场景下的目标检测算法。首先，构造多尺度特征融合提取模块作为主干网络特征提取模块，充分提取不同尺度目标特征信息，同时引入轻量化Ghost模块对主干网络特征进行维度调整；其次，将卷积模块与自注意力机制融合，构造倒残差自注意力模块应用到主干网络深层，深层网络在充分提取局部特征信息基础上获得了全局感知；然后，构造轻量级混合注意力模块，抑制背景噪声，增强密集小目标检测能力；最后，在Udacity数据集上进行实验，检测精度达到了84.41%,相比较YOLOv4, mAP(mean average precision)提高了3.07%,对1 920×1 200分辨率图像的检测FPS(frames per second)可达到49,提高了22.5%,精度提升的前提下实现了较好的实时性，更适用于复杂交通场景下的目标检测任务。

• 出版日期2023
• 单位中国矿业大学（北京）; 中国矿业大学