牟俊宇, 陈菲, 韩钰松, 刘超, 白云贵, 刘丽霞
实时对象目标检测是计算机视觉中非常重要的主题,是计算机视觉系统中的必要组件。针对城市交通汽车检测问题,可以利用YOLO模型实现对道路车辆检测的智能化。为优化计算机对车辆的实时检测能力,该研究提出一种基于注意力机制的改进YOLO算法的车辆识别检测算法,使用YOLOv7为主体,在YOLOv7网络模型的Backbone和Head模块引入注意力机制,以适应不同车辆的识别任务。在Roboflow的公开数据集上进行实验,结果表明,改进后的网络模型相较于原始的YOLOv7网络模型,汽车漏检情况得到改善,在同一数据集下相比YOLOv7网络模型提升了0.9%,PmA值达72.2%,检测效果可基本满足汽车检测应用需求。