交通标志检测是从图像或视频中识别出交通标志的位置、类别，以便为驾驶员提供及时和准确的信息，在对道路情况进行预警、保护驾驶者安全方面具有现实意义。针对现有交通标志检测算法中的较大计算量和较高参数量的问题，本文提出一种改进YOLOv7的轻量化交通标志检测算法。该算法分为输入、提取特征的骨干网络、融合特征的颈部网络和对目标进行预测的头部网络四个部分。本文在骨干网络引入大核卷积，增大了有效感受野，提升了骨干网络提取特征的能力；本文在检测颈部融合坐标注意力、随机池化等方法，既能构建通道注意力又能捕捉准确位置的同时提升网络的泛化能力；此外，本文提出集中综合深度可分离卷积模块，在减少参数量的同时更好的提取图像特征。实验结果表明，本文算法在CCTSDB2021数据集上的检测精度达到了93.13%，mAP也达到了87.59%，相较于同类型的方法有了较大的提高，该网络在较低的参数量和计算量的情况下实现了较高的精确率，不仅能够精准地捕捉交通标志的位置信息，同时能够准确地对交通标志进行预测。

1 相关工作
1.1 目标检测
1.2 交通标志检测
2 改进YOLOv7的轻量化交通标志检测算法
2.1 整体概述
2.2 集中综合深度可分离卷积模块
2.3 随机池化坐标注意力模块
2.4 大核模块
3 实验
3.1 数据集和评价指标
3.2 实验设置
3.3 消融实验
3.4 与其他算法比较
4 结论

李禹纬,付锐,刘帆.改进YOLOv7的交通标志检测算法[J/OL].太原理工大学学报:1-13[2023-11-01].http://kns.cnki.net/kcms/detail/14.1220.N.20231031.1335.004.html