基于轻量化YOLOv7-tiny的快速车辆检测算法
计算机视觉与模式识别
2023-04-18 v3
摘要
车辆的快速精确检测在智能交通系统中具有重要作用。当前车辆检测算法面临计算复杂度高、检测速率低以及在移动设备上可行性有限等挑战。针对这些问题，本文提出一种基于YOLOv7-tiny（You Only Look Once version seven）的轻量化车辆检测算法，称为Ghost-YOLOv7。将模型宽度缩放至0.5，并用Ghost卷积替换主干网络的标准卷积，以实现更轻量的网络并提升检测速度；随后将自行设计的Ghost双向特征金字塔网络（Ghost-BiFPN）嵌入到颈部网络中，以增强算法的特征提取能力并丰富语义信息；并采用Ghost解耦头（GDH）对车辆位置与类别进行精确预测；最后在输出层引入坐标注意力机制以抑制环境干扰。采用WIoU损失函数进一步提升检测精度。在PASCAL VOC数据集上的消融实验结果表明，Ghost-YOLOv7优于原始的YOLOv7-tiny模型。其计算量降低29.8%，参数量减少37.3%，模型权重减小35.1%，平均精度均值（mAP）提高1.1%，检测速度较原算法提升27FPS。Ghost-YOLOv7还在KITTI和BIT-vehicle数据集上进行了对比，结果表明该算法具有总体最优性能。
引用
@article{arxiv.2304.06002,
title = {Fast vehicle detection algorithm based on lightweight YOLO7-tiny},
author = {Bo Li and YiHua Chen and Hao Xu and Fei Zhong},
journal= {arXiv preprint arXiv:2304.06002},
year = {2023}
}