基于改进的YOLOv7与暗通道算法的图像检测

随着计算机视觉技术的快速发展,目标检测在安防和无人驾驶等领域广泛应用。然而,在复杂环境下如雾气天气,目标检测面临许多挑战。针对一阶段检测算法YOLOv7在雾气条件下的图像处理表现不佳的问题,提出一种基于改进的YOLOv7与暗通道算法相结合的目标检测方法。首先,通过对采集的图像进行暗通道处理以提取特征,缓解雾天气下图像质量退化的问题,以及由于背景层过深导致的小目标或其他目标特征不够显著的问题。其次,对原始YOLOv7网络添加小目标层,以提高网络对小目标的检测效果。最后,在backbone模块中引入卷积注意力机制模块(Convolutional Block Attention Module,CBAM),以增强网络对图像前景和上下文信息的敏感性。实验结果显示,该网络在较模糊目标和小目标识别方面表现良好。