改进高通道卷积的YOLOv7-tiny视觉辅助轻量化算法

摘要

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。

关键词

高通道卷积 / 感受野模块 / 激活函数Silu / 深度卷积