山东大学学报(理学版)

作者：欧阳玉旋,彭垚潘,张荣芬,刘宇红

单位：贵州大学大数据与信息工程学院, 贵州 贵阳 550025

关键词：高通道卷积,感受野模块,激活函数Silu,深度卷积,

基金：贵州省基础研究(自然科学)资助项目(黔科合基础-ZK［2021］重点001)

针对市面上大多数视觉辅助系统算法存在参数量大、检测性能低、不便于部署手机移动端等问题,基于YOLOv7-tiny设计了一个轻量级的视觉辅助算法。在网络中使用感受野模块(receptive field block, RFB)融合不同尺度的特征信息,提高对不同分辨率大小物体的检测精度;利用激活函数Silu(sigmoid linear unit)的非线性,增强模型的拟合能力,提升模型的学习速度和检测精度;通过对比实验选择性能更佳的深度卷积(depthwise convolution, DWConv)实现模型的轻量化。实验结果表明,改进后的轻量化模型相比原模型,参数量减少了52.1%,并获得了最佳的检测性能。与其他主流目标检测算法相比,该算法以2.90 M参数量实现了对室内目标更精准的实时检测。

来源：2025年第9期

《山东大学学报(理学版)》期刊编辑部

查看山东大学学报(理学版)杂志2025年第9期