-
题名面向视障人群的室内视觉辅助算法的研究
- 1
-
-
作者
欧阳玉旋
张荣芬
刘宇红
彭垚潘
-
机构
贵州大学大数据与信息工程学院
-
出处
《激光技术》
2025年第2期166-174,共9页
-
基金
贵州省基础研究自然科学项目(黔科合基础-ZK[2021]重点001)。
-
文摘
为了解决现有室内视觉辅助算法检测性能低、模型参数量大、不易部署于边缘设备等问题,对你只看一次(YOLO)网络YOLOv7-tiny进行改进,提出一种新的YOLOv7-ghost网络模型。针对模型参数量大的问题,引入幽灵瓶颈(GB)代替部分池化操作和高效层聚合网络(ELAN),大幅度降低模型参数量;构建了一个全新的高性能轻量化模块(即C2f-全局注意力模块),综合考虑全局和局部特征信息,更好地捕捉节点的上下文信息;然后引入快速空间金字塔池化和幽灵瓶颈(SPPF-GB)模块,对特征进行重组和压缩,以融合不同尺度的特征信息、增强特征的表达能力;最后在头部引入可变形卷积(DCN),增强感受野的表达能力,以捕获目标周围更细粒度的目标结构和背景信息。结果表明,改进后的模型参数量下降了20.33%,模型大小下降了18.70%,平均精度mAP@0.50和mAP@0.50~0.95分别提升了1.2%和3.3%。该网络模型在保证轻量化的同时,检测精度得到了大幅度的提升,更利于室内场景目标检测算法实际应用的部署。
-
关键词
图像处理
轻量化
幽灵瓶颈模块
C2f-全局注意力模块
多尺度特征融合
可变形卷积
YOLOv7-tiny网络模型
-
Keywords
image processing
light weight
ghost bottleneck module
C2f-global attention module
multi-scale feature fusion
deformable convolution
YOLOv7-tiny network
-
分类号
TP391.4
[自动化与计算机技术]
R339.14
[自动化与计算机技术—计算机应用技术]
-
