改进YOLOv7的自动驾驶目标检测算法

作者：胡淼; 姜麟^*; 陶友凤; 张志坚

来源：计算机工程与应用, 2023, 1-11.

• 自动驾驶
• 小目标检测
• YOLOv7
• 注意力机制
• 损失函数

能否准确实时检测出道路上的车辆、行人等物体对自动驾驶车辆十分重要。针对自动驾驶场景下，车辆在行驶中存在的漏检，小目标检测效果差的问题，提出一种改进YOLOv7算法的自动驾驶目标检测算法。首先，修改网络中扩充感受野的模块，减少感受野模块的大小，提高模型速度的同时增强对图片特征信息的提取能力；其次，在主干网络输出端引入双层路由注意力机制，提高模型对小目标物体的检测性能；最后，用EIOU损失函数替换算法原本的CIOU损失函数，将预测框与真实框的高度与宽度的差异最小化，加快模型收敛速度的同时达到更好的定位效果。实验结果表明：在KITTI数据集上，改进后的YOLOv7算法进行目标检测时，其mAP达到94.7%，在原YOLOv7算法上提升了3.1%，并且在小目标物体检测上获得了更高的检测精度，有效提升了模型对小目标检测效果。

• 出版日期2023
• 单位昆明理工大学