目标检测论文解读复现【NO.21】基于改进YOLOv7的小目标检测(目标检测论文解析怎么写)

发布时间：2024-01-17

目标检测论文解读复现【NO.21】基于改进YOLOv7的小目标检测

推荐整理分享目标检测论文解读复现【NO.21】基于改进YOLOv7的小目标检测(目标检测论文解析怎么写)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:目标检测综述论文,目标检测文献,目标检测论文解读,目标检测文献,目标检测综述论文,目标检测毕业论文,目标检测论文解读怎么写,目标检测论文解读,内容如对您有帮助，希望把文章链接给更多的朋友！

前言

此前出了目标改进算法专栏，但是对于应用于什么场景，需要什么改进方法对应与自己的应用场景有效果，并且多少改进点能发什么水平的文章，为解决大家的困惑，此系列文章旨在给大家解读最新目标检测算法论文，帮助大家解答疑惑。解读的系列文章，本人已进行创新点代码复现，有需要的朋友可关注私信我。

一、摘要

当前，目标检测技术趋于成熟，但小目标检测仍是研究的难点所在。针对目标检测过程中小目标像素少、覆盖面积小、信息少更容易出现漏检情况的问题，提出了一种改进的YOLOv7目标检测模型。首先，结合特征分立合并思想对YOLOv7网络模型中的MPConv模块进行改进，以减少网络特征处理过程造成的特征损失，并通过实验找到了网络放置改进MPConv模块的最佳位置；其次，由于小目标检测过程中容易出现漏检的现象，算法利用ACmix注意力模块在增加网络对小尺度目标敏感度的同时降低噪声所带来的影响；最后，算法使用SIoU替换原YOLOv7网络模型中的CIoU以此来优化损失函数，减少损失函数自由度，提高网络鲁棒性。在欧卡智舶公开的FloW-Img子数据集上进行实验对比，对于数据集中密集、小目标和超小目标三种情况的图片，改进后的YOLOv7网络模型相比于原网络，漏检情况得到很好的改善。同时结果表明，改进后的YOLOv7网络模型m AP可达到71.1%，相比于基线YOLOv7网络模型提升了4个百分点，检测效果优于原网络与其他经典目标检测网络。

二、网络模型及核心创新点

1改进的MPConv模块

2. ACmix注意力模块

3. 损失函数

三、应用数据集

本文实验数据集采用欧卡智舶发布(http://www.orca-tech.cn/datasets)的无人船视角下内河漂浮垃圾数据集，该数据集是全球第一个真实内河场景下、无人船视角的漂浮垃圾检测数据集。