关键词：电子信息;小目标检测;遮挡检测;YOLOv4算法;注意力机制
摘 要：为解决车辆识别中由于拍摄角度和距离的不同，导致成像后的车辆尺寸较小和车辆存在不同程度的遮挡，从而产生车辆的错检和漏检等问题，在单阶段目标检测网络YOLOv4(You Only Look Once version 4)算法的基础上，提出了基于注意力机制的递归YOLOv4目标检测算法，即RC-YOLOv4(Recursive and CBAM You Only Look Once version 4)算法。为提高算法对成像后小尺寸车辆的检测能力，在YOLOv4算法加入CBAM(Convolutional Block Attention Module)模块，该模块结合了通道和空间注意力机制，能帮助网络模型更加关注检测图像中的重点信息和小目标信息。针对车辆部分遮挡的检测问题，采用递归特征金字塔(RFP:Recursive Feature Pyramid)结构加强模型对深层特征信息提取能力，RFP结构类似于选择性增强或抑制神经元激活的人类视觉感知，将主干网络提取到的特征递归融合，然后反馈给主干网络，多次特征融合增强网络对上下文语义信息的提取整合能力。提高了对遮挡车辆的检测精度。实验结果表明，在自制车辆检测数据集上，RC-YOLOv4算法相比于YOLOv4在平均精度均指标上提高了12.69%,同时检测速度也能满足实时性要求。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取