面向弱光交通场景的YOLOv7道路标志检测算法优化.pdfVIP

研究论文第51卷第3期/2025年3月/计算机工程

面向弱光交通场景的YOLOv7道路标志检测算法优化

孙亭，杨洁*，李家璇，王耀宗

（西南林业大学机械与交通学院，云南昆明650224）

摘要：针对交通标志检测算法在黑夜及弱光条件下存在检测精度不高、漏检等问题，提出一种改进YOLOv7的

交通标志检测算法。构建用于弱光增强的高斯图像滤波器，抑制其背景噪声，对图像实现像素增强。在YOLOv7

网络中，构建新的AC-ResBlock残差模块来替代ELAN中的3X3卷积模块，以提高交通标志的特征提取能力和

网络推理速度。引人SIoU损失函数提高模型的准确度，加速训练过程收敛。采用K-means十十算法代替K-

means重新标定锚框的尺寸，在扩展后的中国交通标志检测数据集CCTSDB上的实验结果表明，改进后的

YOLOv7算法准确率达到95.7%，召回率达到94.8%，平均精度达到96.3%，优于YOLOv8.YOLOv5及其他主流检

测算法，可以实现黑夜及弱光条件下的交通标志检测。对于复杂环境下的交通标志检测具有一定的研究意义。

关键词：交通标志检测；YOLOv7算法；黑夜图像增强；自注意力机制；损失函数

源代码链接：/mming1/code.git

中图分类号：TP391.4文献标志码：AD0l:10.19678/j.issn.1000-3428.0068826

OptimizationofYOLOv7RoadSignDetectionAlgorithm

forLow-LightTrafficScenes

SUNTing,YANGJie*,LIJiaxuan,WANGYaozong

(SchoolofMechanicsandTransportation,SouthwestForestryUniversity,Kunming650224,Yunnan,China)

[Abstract)ThispaperproposesanimprovedYOLOv7trafficsigndetectionalgorithmtoaddresstheissuesoflow

detectionaccuracyandmisseddetectionsunderdarkandlow-lightconditionsbyexistingalgorithms.AGaussian

imagefilterforlow-lightenhancementisconstructedtosuppressbackgroundnoiseandenhancetheimagepixels.In

theYOLOv7network,anewAC-ResBlockresidualmodulehasreplacedthe3X3convolutionmoduleinEfficient

LayerAggregationNetwork(ELAN),therebyenhancingthefeatureextractioncapabilityandnetworkinference

speedfortrafficsigns.TheScylla-IntersectionoverUnion(SIoU)lossfunctionisintroducedtoimprovemodel

accuracyandacceleratetrainingconvergence.TheK-means++algorithmisusedinsteadofK-meanstorecalibrate

theanchorboxdimensions.ExperimentsontheexpandedChineseTrafficSignDetectionBenchmark(CCTSDB)

haveshownthattheimprove