计算机应用

作者：廖炎华, 鄢元霞, 潘文林

单位：1.云南民族大学 电气信息工程学院，昆明 650504；2.云南省无人自主系统重点实验室（云南民族大学），昆明 650504；3.国网四川省电力公司 成都市新津供电分公司，四川 新津 611430；4.云南民族大学 数学与计算机科学学院，昆明 650504

关键词：YOLOv9,交通路口检测,自适应融合,多目标检测,深度学习

基金：国家自然科学基金资助项目(62362071)

针对交通路口图像复杂，小目标难测且目标之间易遮挡以及天气和光照变化引发的颜色失真、噪声和模糊等问题，提出一种基于YOLOv9（You Only Look Once version 9）的交通路口图像的多目标检测算法ITD-YOLOv9（Intersection Target Detection-YOLOv9）。首先，设计CoT-CAFRNet （Chain-of-Thought prompted Content-Aware Feature Reassembly Network）图像增强网络，以提升图像质量，并优化输入特征；其次，加入通道自适应特征融合（iCAFF）模块，以增强小目标及重叠遮挡目标的提取能力；再次，提出特征融合金字塔结构BiHS-FPN （Bi-directional High-level Screening Feature Pyramid Network），以增强多尺度特征的融合能力；最后，设计IF-MPDIoU （Inner-Focaler-Minimum Point Distance based Intersection over Union）损失函数，以通过调整变量因子，聚焦关键样本，并增强泛化能力。实验结果表明，在自制数据集和SODA10M数据集上，ITD-YOLOv9算法的检测精度分别为83.8%和56.3%，检测帧率分别为64.8 frame/s和57.4 frame/s。与YOLOv9算法相比，ITD-YOLOv9算法的检测精度分别提升了3.9和2.7个百分点。可见，所提算法有效实现了交通路口的多目标检测。

来源：2025年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第8期