摘要：针对交通场景中存在的小目标和遮挡目标等弱目标漏检、错检、检测速度慢等问题,提出一种改进Yolov4的车辆弱目标检测算法。首先设计像素重组残差模块(PS-R),通过超分辨率的方式将多个目标的中心点分散到不同网格中,保留更多的遮挡目标;其次设计特征增强注意力模块(FEAB),充分利用高层特征的语义信息和浅层特征的细粒度信息,提升弱目标检测性能;然后根据道路车辆的目标特点,k-means++结合遗传算法对车辆数据集的真实标注框进行聚类,生成更符合车辆目标的先验框;最后使用深度可分离卷积替换网络特征融合模块(PANet)中的常规卷积,提升检测速度。在车辆数据集KITTI和UA-DETRAC上进行实验验证,改进后的Yolov4算法比原始Yolov4算法精度分别提高了1.9%和2.4%,检测速度达到了61.4 fps。