改进YOLOv7-tiny的目标检测轻量化模型

作者：刘浩翰; 樊一鸣; 贺怀清; 惠康华

来源：计算机工程与应用, 2023, 59(14): 166-175.

• 目标检测
• YOLOv7-tiny
• ShuffleNet v1
• 轻量化
• Mish激活函数
• GSConv模块

当前目标检测算法参数量大、计算复杂度高，难以部署在计算资源有限的边缘终端设备上，为此，提出一种改进的YOLOv7-tiny模型。引入ShuffleNet v1网络，改进后作为新的特征提取网络，增强对图像特征的提取，降低计算复杂度，获取更多丰富的语义信息，进一步提升检测精度；引入GSConv（鬼影混洗卷积）模块改进网络的Neck层，在降低参数量和计算量前提下，提升检测效果；采用Mish激活函数，增加非线性表达，提高模型的泛化能力。实验结果表明，改进后的模型与原模型相比，精度提高了3.3%，参数量和计算量分别下降了4.8%和13.7%，模型规模降低了8.7%。改进后的YOLOv7-tiny在保持较高的精度下，降低了模型的参数量和计算量，进一步提升了检测效果，为在边缘终端设备部署提供了可行性。

• 出版日期2023
• 单位中国民航大学