改進(jìn)YOLOv7的復(fù)雜道路場景目標(biāo)檢測算法

杜 娟，崔少華，晉美娟，茹 琛

1.太原科技大學(xué) 機(jī)械工程學(xué)院，太原 030024

2.山西平陽重工機(jī)械有限責(zé)任公司，山西 臨汾 043000

在過去的幾年中，隨著計(jì)算機(jī)技術(shù)和深度學(xué)習(xí)的發(fā)展，道路目標(biāo)檢測技術(shù)在實(shí)現(xiàn)自動(dòng)駕駛和智能交通系統(tǒng)等領(lǐng)域中扮演著越來越重要的角色。道路目標(biāo)檢測的主要目的是在道路圖像中檢測和識(shí)別各種交通標(biāo)志、行人、車輛和其他障礙物，從而為自動(dòng)駕駛和智能交通系統(tǒng)提供必要的信息。因此，準(zhǔn)確地檢測和識(shí)別這些目標(biāo)對(duì)于保證車輛和行人的安全和提高道路交通效率至關(guān)重要。

道路目標(biāo)檢測技術(shù)已經(jīng)經(jīng)歷了多個(gè)發(fā)展階段。早期的目標(biāo)檢測方法主要基于傳統(tǒng)的計(jì)算機(jī)視覺算法，如Haar[1]特征分類器、HOG[2]特征分類器和SIFT[3]特征分類器等。這些方法需要手動(dòng)選擇特征并且對(duì)特征提取和分類算法進(jìn)行調(diào)試，難以適應(yīng)復(fù)雜的場景，并且準(zhǔn)確率和魯棒性相對(duì)較低。

近年來，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于深度學(xué)習(xí)的道路目標(biāo)檢測方法逐漸興起。深度學(xué)習(xí)模型能夠自動(dòng)學(xué)習(xí)特征，并且在目標(biāo)檢測和識(shí)別任務(wù)中表現(xiàn)出色。常用的深度學(xué)習(xí)目標(biāo)檢測框架主要分為兩類：基于區(qū)域的目標(biāo)檢測（region-based detection）和單階段目標(biāo)檢測（single-stage detection）。基于區(qū)域的目標(biāo)檢測算法主要是通過提取圖像中的區(qū)域（region proposal）來實(shí)現(xiàn)目標(biāo)檢測，這些區(qū)域通常是預(yù)先選定的，然后通過CNN進(jìn)行分類和定位?；趨^(qū)域的目標(biāo)檢測算法主要包括RCNN[4]、Fast R-CNN[5]、Faster R-CNN[6]等。單階段目標(biāo)檢測算法則是直接在圖像中進(jìn)行分類和定位，通常比基于區(qū)域的算法速度更快，但在精度方面稍遜一籌。單階段目標(biāo)檢測算法主要包括SSD[7]、RetinaNet[8]、YOLO[9-12]系列等算法在復(fù)雜道路場景目標(biāo)檢測方面，這些算法已經(jīng)得到了廣泛的應(yīng)用。

例如針對(duì)道路中的行人檢測問題，樊嶸等人[13]以DETR[14]為基礎(chǔ)模型，引入注意力編碼器來有效利用小目標(biāo)的特征信息，并在訓(xùn)練時(shí)使用Smooth-L1與GIoU[15]結(jié)合的損失函數(shù)來加速收斂，在Wider-Person數(shù)據(jù)集上取得了較好的檢測效果。針對(duì)道路中的交通標(biāo)志檢測問題，韋強(qiáng)等人[16]以YOLOv5 為基礎(chǔ)模型，引入遞歸門控卷積[17]用于骨干網(wǎng)絡(luò)，并引入F-EIoU[18]損失函數(shù)和SOCA[19]注意力進(jìn)一步小目標(biāo)的檢測精度，并在TT100K數(shù)據(jù)集上得到了較大的檢測精度提升。對(duì)于復(fù)雜道路場景中的目標(biāo)檢測問題，盛博瑩等人[20]提出基于反饋機(jī)制的特征提取網(wǎng)絡(luò)（RFP-PAN），并提出級(jí)聯(lián)注意力機(jī)制（SECA）用來提高雜交通場景下的小目標(biāo)檢測精度；冉險(xiǎn)生等人[21]基于YOLOv5算法，改進(jìn)了特征融合方式并改進(jìn)了感受野模塊以增大網(wǎng)絡(luò)感受野從而更好地學(xué)習(xí)目標(biāo)特征信息，最后引入quality focal loss[22]進(jìn)一步加速網(wǎng)絡(luò)收斂，在BDD100K 數(shù)據(jù)集和自制數(shù)據(jù)集上得到了較高的精度提升，且檢測速度沒有下降，使復(fù)雜道路場景下的檢測性能得到提升。

目前，雖然基于深度學(xué)習(xí)的目標(biāo)檢測算法在復(fù)雜道路場景中的目標(biāo)檢測方面已經(jīng)取得了很好的效果，但是對(duì)于場景中的小目標(biāo)檢測仍然存在一些問題。首先，目前的算法在小目標(biāo)檢測方面仍然存在一定的誤檢率和漏檢率。這是由于小目標(biāo)的尺寸和形狀各異，加之環(huán)境因素的干擾，容易導(dǎo)致誤檢或漏檢。其次，復(fù)雜道路場景中的背景干擾也是一個(gè)難點(diǎn)問題。由于道路場景中背景復(fù)雜多變，很容易出現(xiàn)背景中的物體被誤檢為小目標(biāo)的情況。另外，復(fù)雜道路場景中小目標(biāo)的檢測速度也是一個(gè)需要關(guān)注的問題。對(duì)于自動(dòng)駕駛這些對(duì)實(shí)時(shí)性和準(zhǔn)確性要求較高的任務(wù)而言，算法的檢測速度需要足夠快，準(zhǔn)確度要足夠高，以便及時(shí)做出決策。

針對(duì)上述問題，本文提出一種基于YOLOv7[23]的改進(jìn)算法，可以有效改善復(fù)雜道路場景中的小目標(biāo)檢測精度低的問題，且滿足了精度與速度的平衡。改進(jìn)主要包括以下5 點(diǎn)：（1）在檢測頭部增加了一個(gè)小目標(biāo)檢測層，用于降低對(duì)小目標(biāo)的漏檢誤檢概率；（2）對(duì)先驗(yàn)框用K-means++算法進(jìn)行重聚類，用于增加對(duì)小目標(biāo)的定位能力；（3）替換損失函數(shù)為WIoU loss[24]，增加對(duì)低質(zhì)量錨框的聚焦能力，加快模型收斂速度；（4）在頸部和頭部引入?yún)f(xié)調(diào)坐標(biāo)卷積，增強(qiáng)對(duì)特征圖的空間感知能力；（5）提出一種partial convolution（PConv）與ELAN 結(jié)構(gòu)融合的P-ELAN 結(jié)構(gòu)來使網(wǎng)絡(luò)輕量化，減少模型參數(shù)，加快推理速度。

1 YOLOv7算法概述

YOLOv7 是一款優(yōu)秀的一階段目標(biāo)檢測器，它是在YOLOv5 的基礎(chǔ)上進(jìn)行改進(jìn)和優(yōu)化得到的，它結(jié)合了眾多優(yōu)秀的先進(jìn)思想，共有YOLOv7-tiny、YOLOv7、YOLOv7-d6、YOLOv7-e6、YOLOv7-e6e、YOLOv7-w6六個(gè)版本。其中YOLOv7 保證了在邊緣設(shè)備推理時(shí)的精度與速度平衡，本文也是在此版本基礎(chǔ)上進(jìn)行改進(jìn)，在推理速度不受影響的前提下使其獲得更高的精度。

YOLOv7 算法由輸入端（InPut）、特征提取網(wǎng)絡(luò)（Backbone）、頸部網(wǎng)絡(luò)（Neck）、多尺度檢測頭（Head）組成。YOLOv7網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1所示。

1.1 輸入端

輸入端進(jìn)行圖像的預(yù)處理，包括一些mixup、mosaic等數(shù)據(jù)增強(qiáng)方案，并把圖像對(duì)齊為特定尺寸大小的圖片，之后送入特征提取網(wǎng)絡(luò)。

1.2 特征提取網(wǎng)絡(luò)

特征提取網(wǎng)絡(luò)主要由多個(gè)CBS，ELAN[25]和MP 模塊的連續(xù)堆疊組成，總共對(duì)圖像進(jìn)行了32 倍下采樣。CBS 由Conv、BN、SiLu[26]組成，ELAN 由多個(gè)CBS 模塊堆疊組成，含有豐富的梯度流信息，能夠有效地使用網(wǎng)絡(luò)參數(shù)并且加速網(wǎng)絡(luò)的推理，MP模塊由CBS和最大池化層組成，主要用于下采樣操作，能夠有效減少特征丟失。各個(gè)模塊結(jié)構(gòu)圖如圖2所示。

1.3 頸部網(wǎng)絡(luò)

頸部網(wǎng)絡(luò)主要由SPPCSPC、ELANW、CBS、MP 等模塊組成一個(gè)自上而下的FPN 和自下而上的PAN。ELANW 相比于ELAN 增加了兩個(gè)拼接操作，SPPCSPC主要用于增大感受野。FPN 主要對(duì)含有高維強(qiáng)語義信息的特征進(jìn)行上采樣，增強(qiáng)多個(gè)尺度上的語義表達(dá)，PAN主要將淺層的定位信息傳遞到深層，增加多個(gè)尺度上的定位能力，從而實(shí)現(xiàn)特征高效融合。各個(gè)模塊結(jié)構(gòu)如圖3所示。

圖3 頸部網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.3 Structure diagram of Neck

1.4 多尺度檢測頭

多尺度檢測頭主要為REP 結(jié)構(gòu)。REP 采用重參數(shù)化設(shè)計(jì)，通過加大訓(xùn)練代價(jià)換取推理時(shí)的迅速。融合的多尺度特征圖（分別為80×80×128，40×40×256，20×20×512）通過REP模塊進(jìn)行錨框位置和物體分類的預(yù)測，最后用CIoU 損失函數(shù)進(jìn)行反向傳播從而更新權(quán)重參數(shù)，從而實(shí)現(xiàn)模型對(duì)不同尺度目標(biāo)的檢測。REP結(jié)構(gòu)如圖4所示。

圖4 REP結(jié)構(gòu)圖Fig.4 Structure diagram of REP

2 改進(jìn)的YOLOv7算法

針對(duì)YOLOv7對(duì)于復(fù)雜道路場景中的密集目標(biāo)，遠(yuǎn)處的小尺度目標(biāo)檢測精度低，容易出現(xiàn)漏檢誤檢等問題對(duì)其進(jìn)行改進(jìn)，改進(jìn)后的YOLOv7網(wǎng)絡(luò)結(jié)構(gòu)圖如圖5所示。

圖5 改進(jìn)的YOLOv7網(wǎng)絡(luò)結(jié)構(gòu)Fig.5 Improved YOLOv7 network structure

2.1 小目標(biāo)檢測層

由于道路場景目標(biāo)情況復(fù)雜，離得比較遠(yuǎn)的目標(biāo)尺度較小，原YOLOv7在經(jīng)過骨干網(wǎng)絡(luò)特征提取之后經(jīng)過特征融合網(wǎng)絡(luò)進(jìn)行特征融合，最后在檢測頭輸出三個(gè)不同尺度的特征圖，分別為20×20、40×40、80×80，在原有的YOLOv7 架構(gòu)中，發(fā)現(xiàn)對(duì)于小目標(biāo)的檢測效果不佳，為解決YOLOv7對(duì)小目標(biāo)檢測的能力較弱，本文增加了一個(gè)輸出尺寸為160×160 的小目標(biāo)檢測層用于提高YOLOv7的小目標(biāo)檢測精度，該層位于原有的最后一個(gè)特征融合模塊之后，該層的輸入由兩部分拼接組成，一部分來自于骨干網(wǎng)絡(luò)第一個(gè)ELAN 模塊經(jīng)過卷積之后的特征圖，另一部分為FPN繼續(xù)上采樣為一個(gè)160×160的特征圖，之后經(jīng)過ELANW 模塊融合特征之后，得到一個(gè)具有高維度信息的特征圖，該征圖感受野較小，包含的位置信息更為豐富，能夠充分降低小目標(biāo)的誤檢漏檢概率，更適用于小目標(biāo)的檢測。增加小目標(biāo)檢測層之后進(jìn)一步使得YOLOv7網(wǎng)絡(luò)的目標(biāo)檢測尺寸范圍增大，增加了在復(fù)雜道路背景下的檢測魯棒性。增加的小目標(biāo)檢測層如圖5中的紅色虛線框所示。

2.2 用K-means++對(duì)先驗(yàn)框進(jìn)行重聚類

原YOLOv7 網(wǎng)絡(luò)的先驗(yàn)框是通過在COCO 數(shù)據(jù)集使用K-means 算法聚類得來，雖然也能用于本文數(shù)據(jù)集，但并不完全符合道路目標(biāo)的特征，導(dǎo)致其先驗(yàn)框高寬尺寸與道路目標(biāo)的尺寸不吻合，從而導(dǎo)致尺寸較小目標(biāo)定位存在一定的偏差。

針對(duì)這一問題，本文在增加小目標(biāo)檢測層的基礎(chǔ)上提出優(yōu)化先驗(yàn)框的方法，以提高YOLOv7網(wǎng)絡(luò)的目標(biāo)定位精度。首先使先驗(yàn)框總數(shù)增加到12，然后使用K-means++算法對(duì)SODA10M數(shù)據(jù)集標(biāo)注的物體邊界框進(jìn)行聚類分析，以得到更適用于道路目標(biāo)的先驗(yàn)框。具體而言，K-means++算法首先隨機(jī)選取一個(gè)點(diǎn)作為第一個(gè)聚類中心，然后以概率的形式選取其他點(diǎn)作為新的聚類中心，使得新的聚類中心與已選取的聚類中心距離越遠(yuǎn)的點(diǎn)被選中的概率越高，重復(fù)執(zhí)行該過程，直到所有聚類中心被選出為止。這一方法使得網(wǎng)絡(luò)能夠更好地檢測復(fù)雜道路場景中的小目標(biāo)。重聚類后的先驗(yàn)框尺寸如表1所示。

表1 先驗(yàn)框重聚類結(jié)果Table 1 Priori box reunites class results

2.3 損失函數(shù)改進(jìn)

損失函數(shù)是用來衡量預(yù)測結(jié)果與實(shí)際標(biāo)簽之間的差異，一個(gè)好的損失函數(shù)能夠加速網(wǎng)絡(luò)收斂，提高網(wǎng)絡(luò)精度，原YOLOv7 采用的損失函數(shù)為CIoU loss[27]，CIoU loss 把預(yù)測框與真實(shí)框的長寬比、中心點(diǎn)距離、重疊面積這三個(gè)對(duì)損失函數(shù)影響較大的因素都考慮進(jìn)去了，但是對(duì)于一些標(biāo)注質(zhì)量較低的錨框并不能很好地收斂。CIoU的相關(guān)公式如下：

式（1）中b、bgt分別表示預(yù)測框和真實(shí)框的中心點(diǎn)，ρ代表兩個(gè)中心點(diǎn)的歐氏距離，c代表真實(shí)框和預(yù)測框最小外接矩形的對(duì)角線長度，α是權(quán)重函數(shù)，v用來衡量寬高比的一致性。

從式（3）中可以看出CIoU 中使用的是預(yù)測框與真實(shí)框之間的比值，當(dāng)預(yù)測框的寬高比滿足一定條件時(shí)，CIoU 的懲罰函數(shù)會(huì)退化失效，會(huì)阻礙模型的收斂。CIoU中w、h相對(duì)于v的梯度如式（4）和（5），通過觀察發(fā)現(xiàn)這兩個(gè)梯度是一對(duì)相反數(shù)，也就是說，w和h不能同時(shí)增大或減小。

因此本文引入WIoU loss，WIoU是基于動(dòng)態(tài)非單調(diào)的聚焦機(jī)制設(shè)計(jì)的，動(dòng)態(tài)非單調(diào)聚焦機(jī)制使用“離群度”替代IoU對(duì)錨框進(jìn)行質(zhì)量評(píng)估，并提供了明智的梯度增益分配策略，使得模型更聚焦于低質(zhì)量的錨框，提高模型的定位能力。WIoU包含三個(gè)版本，分別為WIoUv1、WIoUv2、WIoUv3，本文使用WIoUv3 版本，它是在WIoUv1、WIoUv2基礎(chǔ)上優(yōu)化得來的。其中WIoUv1相關(guān)公式如下：

式中，RWIoU∈[1,e) 這將顯著放大普通錨框的LIoU。LIoU∈[0,1]，這將顯著降低高質(zhì)量錨框的RWIoU，并在錨框與目標(biāo)框重合較好的情況下顯著降低其對(duì)中心點(diǎn)距離的關(guān)注。Wg、Hg分別為最小外接矩形的寬和高。*表示將Wg、Hg從計(jì)算圖中分離，作用是為了防止RWIoU產(chǎn)生阻礙收斂的梯度。

WIoUv3在WIoUv2的基礎(chǔ)上引入動(dòng)態(tài)非單調(diào)聚焦系數(shù)。其相關(guān)公式如下：

式（11）中β為離群值，式（12）中α和δ是控制梯度增益r的超參數(shù)，本文選取α=1.9，δ=3。

2.4 協(xié)調(diào)坐標(biāo)卷積

為了使網(wǎng)絡(luò)更好地感知特征圖中的位置信息，引入了協(xié)調(diào)坐標(biāo)卷積，它可以感知空間信息。該方法是標(biāo)準(zhǔn)卷積的簡單擴(kuò)展，其中卷積由空間坐標(biāo)作為條件。通過為過濾器提供像素的位置信息，可以在笛卡爾空間和像素空間之間建立映射。一般而言，卷積具有三個(gè)主要特征：少量的訓(xùn)練參數(shù)、通過GPU進(jìn)行快速計(jì)算以及平移不變性。然而，就許多任務(wù)而言，關(guān)于平移不變性是否真正有助于模型性能是有爭議的。CoordConv[28]允許網(wǎng)絡(luò)根據(jù)任務(wù)需要保留或丟棄平移不變性的特性。在這個(gè)過程中，CoordConv確保了卷積和空間特征的最佳效果。CoordConv的實(shí)現(xiàn)方式是通過將兩個(gè)額外的i和j通道連接到輸入通道來完成的。如果連接CoordConv的坐標(biāo)層與卷積的權(quán)重不為零，會(huì)使得CoordConv允許學(xué)習(xí)具有一定程度平移依賴性的函數(shù)，或者如果它們?cè)O(shè)置為零，則可以模擬常規(guī)卷積層。本文使用CoordConv替換FPN 中的1×1 卷積和檢測頭前的REP 卷積。常規(guī)卷積如圖6所示，CoordConv如圖7所示。

圖6 常規(guī)卷積Fig.6 Convolution

圖7 協(xié)調(diào)坐標(biāo)卷積Fig.7 CoordConv

2.5 骨干網(wǎng)絡(luò)輕量化

為了降低網(wǎng)絡(luò)參數(shù)量和計(jì)算量，加快網(wǎng)絡(luò)推理速度，本文基于PConv 算子提出輕量化的P-ELAN。P-ELAN結(jié)構(gòu)如圖8所示。

圖8 P-ELAN結(jié)構(gòu)Fig.8 P-ELAN structure

PConv 算子是Chen 等人[29]提出來的一種能夠提高每秒浮點(diǎn)運(yùn)算效率的輕量化卷積模塊，通過同時(shí)減少冗余計(jì)算和內(nèi)存訪問從而更有效地提取空間特征。

圖9 為PConv 基本工作原理。它只需要對(duì)輸入特征圖中的一部分通道進(jìn)行常規(guī)卷積運(yùn)算（圖9 中*操作），其余通道保持不變并進(jìn)行Identity操作。

圖9 部分卷積工作原理Fig.9 Principle of PConv

對(duì)于大小為k的卷積核，輸入特征圖大小為h×w，通道數(shù)為c，若輸入和輸出特征圖大小和通道數(shù)相同，則常規(guī)卷積的計(jì)算量為：

由此可知，ELAN作為原YOLOv7骨干網(wǎng)絡(luò)中的主要組成模塊，在ELAN中引入PConv算子能夠大幅降低計(jì)算量和內(nèi)存訪問量，從而使模型輕量化并加速推理速度。

3 實(shí)驗(yàn)

3.1 實(shí)驗(yàn)環(huán)境及參數(shù)設(shè)置

本文所有實(shí)驗(yàn)所使用的運(yùn)行環(huán)境：13th Gen Intel?Core?i5-13600KF@3.5 GHz 處理器，NVIDIA GeForce RTX 4090（24 GB 顯存）顯卡，32 GB 內(nèi)存；Windows10專業(yè)版操作系統(tǒng)，Python3.9.16 編譯語言，Pytorch1.13.1深度學(xué)習(xí)框架，CUDA11.7加速計(jì)算架構(gòu)。

本文以YOLOv7 為基礎(chǔ)模型，采用SGD 方法訓(xùn)練300 個(gè)epoch，初始學(xué)習(xí)率設(shè)置為0.01，批次大小設(shè)置為16，動(dòng)量參數(shù)設(shè)置為0.937，預(yù)熱訓(xùn)練3 個(gè)epoch，并按一定概率使用mixup、mosaic、fliplr等一系列數(shù)據(jù)增強(qiáng)操作。

3.2 數(shù)據(jù)集

本文選用華為諾亞方舟實(shí)驗(yàn)室聯(lián)合中山大學(xué)發(fā)布的自動(dòng)駕駛數(shù)據(jù)集SOAD10M[30]。該數(shù)據(jù)集收集了我國不同城市在不同天氣條件、不同時(shí)間段、不同位置的場景。劃分后的數(shù)據(jù)集包含5 000張訓(xùn)練集，2 500張驗(yàn)證集和2 500張測試集，共包含6種主要的人車場景類別：Pedestrian、Cyclist、Car、Truck、Tram、Tricycle。

3.3 評(píng)價(jià)指標(biāo)

本文選用的算法評(píng)價(jià)指標(biāo)包括參數(shù)量（Parameters）、計(jì)算量（FLOPs）、準(zhǔn)確率（Percision）、召回率（Recall）、平均精度（mAP）、每秒傳輸幀數(shù)（FPS）。相應(yīng)的計(jì)算公式如下：

其中，TP代表正確檢測框，F(xiàn)P代表誤檢框，F(xiàn)N代表漏檢框，len(GTs)代表所有標(biāo)簽框數(shù)量，AP代表一個(gè)目標(biāo)的檢測精度，N代表檢測類別數(shù)，F(xiàn)rames代表幀數(shù)，Time代表檢測時(shí)間。

3.4 消融實(shí)驗(yàn)

采用消融實(shí)驗(yàn)驗(yàn)證本文所提各個(gè)改進(jìn)方法的有效性，本消融實(shí)驗(yàn)共分為10 組，各組實(shí)驗(yàn)均保持輸入圖像、訓(xùn)練超參數(shù)等的一致性。其中Head、K-means++、WIoU、CoordConv、P-ELAN為本文所提改進(jìn)方法，表中“√”表示引入此改進(jìn)方法。消融實(shí)驗(yàn)結(jié)果如表2所示。

表2 消融實(shí)驗(yàn)結(jié)果Table 2 Ablation experimental results

從表2 可以得出，第一組為原始YOLOv7 算法，mAP 為62.2%；第二組為加入小目標(biāo)檢測層，mAP 上升了1個(gè)百分點(diǎn)，說明加入小目標(biāo)檢測層能夠增加小目標(biāo)尺寸的可檢測范圍；第三組為使用K-means++重聚類先驗(yàn)框，mAP 上升了0.9 個(gè)百分點(diǎn)，說明重聚類先驗(yàn)框能夠增加對(duì)小目標(biāo)的定位能力；第四組為使用WIoU損失函數(shù)，使模型對(duì)普通質(zhì)量錨框更加關(guān)注，mAP上升了0.6個(gè)百分點(diǎn)；第五組為使用CoordConv 模塊，mAP 上升了0.6 個(gè)百分點(diǎn)，說明CoordConv 模塊可以使網(wǎng)絡(luò)更好地感受特征圖中的空間位置信息；第六組為將ELAN模塊替換為P-ELAN 模塊，雖然mAP 略微下降，但是換來了參數(shù)量和運(yùn)算量的下降，使模型更加輕量化；第七組為在第二組的基礎(chǔ)上使用K-means++重聚類先驗(yàn)框，mAP上升了2.2 個(gè)百分點(diǎn)；第八組為在第七組的基礎(chǔ)上更換損失函數(shù)為WIoU，mAP上升了2.7個(gè)百分點(diǎn)；第九組為在第八組的基礎(chǔ)上引入CoordConv 模塊，mAP 上升了3.4 個(gè)百分點(diǎn)；第十組為本文所提最終算法，mAP 較原YOLOv7 上升了2.6 個(gè)百分點(diǎn)，達(dá)到了64.8%，且參數(shù)量和運(yùn)算量分別下降12%和7%，證明了本文各個(gè)改進(jìn)方法對(duì)復(fù)雜道路場景目標(biāo)的有效性。

3.5 模塊對(duì)比實(shí)驗(yàn)分析

3.5.1 增加小目標(biāo)檢測層實(shí)驗(yàn)分析

基于YOLOv7提出YOLOv7-H（增加一個(gè)輸出尺寸為160×160 的檢測層），為驗(yàn)證增加小目標(biāo)檢測層的有效性，將改進(jìn)后的算法與原始算法在SOAD10M數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)對(duì)比，實(shí)驗(yàn)結(jié)果如表3所示。

表3 小目標(biāo)檢測層實(shí)驗(yàn)結(jié)果Table 3 Experimental results of small target detection layer

從表3 中可以看出，增加了小目標(biāo)檢測層之后，參數(shù)量和運(yùn)算量都有所上升，在一定程度上增加了計(jì)算復(fù)雜度，但在可接受范圍內(nèi)使mAP 增加了1.0 個(gè)百分點(diǎn)，證明了改進(jìn)方法的有效性。

3.5.2 改進(jìn)ELAN模塊實(shí)驗(yàn)分析

為了驗(yàn)證P-ELAN 模塊的有效性，將P-ELAN 模塊與根據(jù)不同算子提出的ELAN 模塊進(jìn)行對(duì)比分析。G-ELAN 模塊是由GhostConv[31]組成；DS-ELAN 模塊是由高效卷積（DSConv[32]）組成；D-ELAN是由可變形卷積（DCNv2[33]）組成。實(shí)驗(yàn)結(jié)果如表4所示。

表4 改進(jìn)ELAN模塊實(shí)驗(yàn)結(jié)果Table 4 Improved experimental results of ELAN module

從表4 中可以得出P-ELAN 模塊相較于其他模塊而言，F(xiàn)PS 最高，達(dá)到了94，參數(shù)量最少，運(yùn)算量只比DS-ELAN 模塊多了4.2×109，mAP 達(dá)到了61.3%。實(shí)驗(yàn)結(jié)果表明P-ELAN 模塊在保持較高檢測精度的同時(shí)檢測速度更快。

3.6 對(duì)比實(shí)驗(yàn)

為了進(jìn)一步驗(yàn)證本文算法的有效性，將本文所提最終算法與SSD、Faster R-CNN、YOLOv3、YOLOv5、YOLOX、YOLOv6、YOLOv8m、RetinaNet等主流的目標(biāo)檢測算法在SOAD10M 數(shù)據(jù)集上進(jìn)行mAP 和FPS 指標(biāo)的比較，實(shí)驗(yàn)結(jié)果如表5所示。

表5 對(duì)比實(shí)驗(yàn)結(jié)果Table 5 Comparative experimental results

通過對(duì)比表5中不同算法的實(shí)驗(yàn)結(jié)果，可以看出本文算法在SOAD10M 數(shù)據(jù)集上的mAP 指標(biāo)明顯高于其他主流的目標(biāo)檢測算法，達(dá)到了64.8%；FPS比其他一階段檢測算法略微低一些，但比二階段檢測FasterR-CNN算法高很多。本文算法的FPS為80，相較于主流的一階段檢測算法，犧牲了一點(diǎn)檢測速度換取了更高的檢測精度，達(dá)到了速度和精度的平衡。綜上所述，本文所提算法與其他主流算法相比更加符合復(fù)雜道路場景目標(biāo)檢測的實(shí)時(shí)性和準(zhǔn)確性需求。

4 結(jié)束語

針對(duì)復(fù)雜道路場景中目標(biāo)遮擋以及小尺度目標(biāo)漏檢誤檢等問題。本文在YOLOv7 的基礎(chǔ)上增加一個(gè)小目標(biāo)檢測層，用于增加對(duì)小目標(biāo)特征的學(xué)習(xí)能力并增加小尺寸目標(biāo)的可檢測范圍；使用K-means++算法重聚類先驗(yàn)框，使先驗(yàn)框尺寸更加貼合本文數(shù)據(jù)集，增加對(duì)小目標(biāo)的定位能力；替換損失函數(shù)為WIoU，進(jìn)一步增加網(wǎng)絡(luò)對(duì)普通質(zhì)量錨框的關(guān)注度，使錨框預(yù)測更加準(zhǔn)確，有效降低漏檢誤檢概率；在頸部和頭部引入CoordConv，使網(wǎng)絡(luò)能夠更好地感受特征圖中的空間位置信息，從而更好地檢測出小目標(biāo)；提出一種P-ELAN結(jié)構(gòu)用來降低網(wǎng)絡(luò)的復(fù)雜度，使檢測速度和精度能夠達(dá)到更好的平衡。改進(jìn)后的算法在SOAD10M 數(shù)據(jù)集上進(jìn)行了大量實(shí)驗(yàn)，證明了本文算法在速度和精度上的平衡，能夠更好地適用于復(fù)雜道路場景下的目標(biāo)檢測任務(wù)。在未來的工作中，將對(duì)本文算法在嵌入式設(shè)備上進(jìn)行部署，并與實(shí)例分割等領(lǐng)域進(jìn)行結(jié)合，進(jìn)一步提高模型的實(shí)用性。