文献类型：期刊文章

作　　者：林艺华[1] 姜浩[2] 钟剑[2] 金忠[3] 韩明君[2]

LIN Yi-hua;JIANG Hao;ZHONG Jian;JIN Zhong;HAN Ming-jun(Yuexiu Transport Infrastructure Co.,Ltd.,Guangzhou,Guangdong 510623,China;Beijing Chengda Traffic Technology Co.,Ltd.,Beijing 100088,China;Hubei Suiyuenan Expressway Co.,Ltd.,Jianli,Hubei 433300,China)

机构地区：[1]越秀(中国)交通基建投资有限公司,广东广州510623 [2]北京诚达交通科技有限公司,北京100088 [3]湖北随岳南高速公路有限公司,湖北监利433300

出　　处：《公路交通科技》

年　　份：2023

卷　　号：40

期　　号：S02

起止页码：361-367

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、JST、RCCSE、ZGKJHX、核心刊

摘　　要：车型识别是智能交通系统的重要组成部分,针对YOLOv7网络应用于车型识别检测效果仍有提升空间,提出了一种改进的YOLOv7车型识别网络。首先,将主干网络的SiLU激活函数替换为漏斗激活函数F-ReLU,以扩大主干网络卷积层的感受野范围,使其在激活函数阶段实现空间信息建模;其次,在主干网络融入了多级注意力机制,以此加强主干网络对车型深层特征的提取能力及泛化能力;最后,将CIOU损失函数替换为Alpha-SIOU损失函数,以提升网络对车型目标的定位能力,并加速网络收敛。使用公开的BIT-Vehicle数据集进行测试,改进后的YOLOv7网络提升了车型识别性能,其中mAP0.5为98.4%,提升了0.8%;mAP0.5:0.95为96.1%,提升了1.2%;召回率为95.2%,提升了2.6%;检测速度为33.1帧/s,提升了1.9帧/s。

关 键 词：智能交通 车型识别 YOLOv7  目标检测 网络优化

分 类 号：U491.4[物流管理与工程类]