基于注意力机制融合特征的车辆目标检测方法

为了解决道路监控下的车辆目标检测精度低的问题,本文提出一种改进YOLOv7的车辆检测方法。首先引入跨空间学习的高效多尺度注意机制EMA来提高对特征信息的关注;其次将颈部网络中的SPPCSPC模块替换为SPPFCSPC模块,裁剪CBS层,引入EMA注意力机制,以强化对小目标区域的关注,获取更准确的车辆特征;同时,将EMA注意力引入MP模块中,使网络融合更多重要的特征信息;最后,采用MPDIoU损失函数,加快模型收敛速度并提高检测精度。实验结果表明,改进后的YOLOv7检测精度为86.69%,相比原始YOLOv7网络提高了2.83%,可以有效地提升车辆目标检测精度,为道路视频监控等提供保证。