空军工程大学学报

作者：李珣1,3,张倩飞1,刘欣2,陈伟重1,3,周慧龙1

单位：1.西安工程大学电子信息学院,西安,710048;2.空军工程大学信息与导航学院,西安,710077;3.陕西省人工智能联合实验室西安工程大学分部,西安,710048\

关键词：无人机车辆识别;YOLOv7;QARepVGG;内容感知特征重组;坐标注意力

基金：国家自然科学基金(62403368)

针对无人机平台下车辆目标检测存在的尺度差异大、密集分布不规律和类别不平衡导致的模型规模及精度受限问题,提出一种基于YOLOv7改进的YOLO-QYF车辆目标识别方法。引入QARepVGG 模块替换基准模型中运算量较大的扩展高效层聚合网络模块,在保证模型性能的同时缩减模型参数。使用内容感知特征重组模块有效减少特征图传递过程中信息丢失,同时添加坐标注意力机制增强对感兴趣目标的定位能力。最后,引入WIoU 损失函数解决样本不平衡问题,提高模型泛化能力。实验表明,该方法在自由流、同步流和阻塞流3种交通流情况下,平均精度分别达到96.4%、95.6%、94.5%,相比基准模型分别提高2.0%、1.6%、3.4%,帧速率分别为81.62、78.13、76.34;在VisDrone2021数据集该方法的平均精度达到了60.6%,相比基准模型提高了1.4%。

来源：2025年第6期

《空军工程大学学报》期刊编辑部

查看空军工程大学学报杂志2025年第6期