应用归一化通道注意力机制的YOLOv7交通标志检测算法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2025，61（11）249

⦾图形图像处理⦾

应用归一化通道注意力机制的YOLOv7交通标志检测算法

刘晶，刘俊伟+

西安理工大学计算机科学与工程学院，西安710048

+通信作者E-mail：1359097261@

摘要：现有目标检测算法对背景复杂下小交通标志的检测效果并不理想。为此，提出了一种基于归一化通道注意

力机制YOLOv7的交通标志检测算法（YOLOv7basedonnormalizedchannelattentionmechanism，YOLOv7-

NCAM）。为了使YOLOv7-NCAM模型具有像素级建模能力，提高它对小目标交通标志特征的提取能力，YOLOv7-

NCAM算法使用FReLU激活函数构建了DBF和CBF两种卷积层，并用它们来组建模型的Backbone模块和Neck模

块；提出一种归一化通道注意力机制（normalizedchannelattentionmechanism，NCAM）并加入Head模块中。通过

与整体网络一起训练，得到归一化（batchnormalization，BN）缩放因子，利用缩放因子算出各个通道的权重因子，提

升网络对交通标志特征的表达能力，从而使YOLOv7-NCAM网络模型能够集中关注检测目标交通标志。通过在

CCTSDB-2021交通标志检测数据集上的测试，与YOLOv7网络模型对比结果表明，YOLOv7-NCAM算法对背景复

杂下小交通标志的检测各项指标均有明显提高：准确率（precision，P）达到91.5%，比原网络高出9.5个百分点；召回

率（recall，R）达到85.9%，比原网络高出5.7个百分点；均值平均精度（meanaverageprecision，mAP）达到了91.4%，比

原网络高出4.7个百分点。与现有的交通标志检测算法相比，YOLOv7-NCAM算法的检测准确率也有提高，且检测

速度48.3FPS，能满足实时需求。

关键词：YOLOv7；归一化通道注意力机制；交通标志；激活函数

文献标志码：A中图分类号：TP391.41doi：10.3778/j.issn.1002-8331.2403-0084

YOLOv7TrafficSignDetectionAlgorithmwithNormalizedChannelAttentionMechanism

LIUJing,LIUJunwei+

SchoolofComputerScienceandEngineering,Xi’anUniversityofTechnology,Xi’an710048,China

Abstract：Aimingattheproblemthattheexistingtargetdetectionalgorithmsarenoteffectiveindetectingsmalltraffic

signsincomplexbackground,aYOLOv7basedonnormalizedchannelattentionmechanism(YOLOV7-NCAM)fordetecting

trafficsignsisproposed.TheYOLOv7-NCAMalgorithmfirstconstructstwotypesofconvolutionallayers,whichare

calledDBFandCBF,usingtheFReLUactivationfunction,andthenusesthemtoformtheBackbonemoduleandthe

Neckmoduleofthemodel.Then,anormalizedchannelattentionmechanism(NCAM)isproposedandaddedtotheHead

modul