激光技术

作者：欧阳玉旋, 张荣芬, 刘宇红, 彭垚潘

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

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。

来源：2025年第2期

《激光技术》期刊编辑部

查看激光技术杂志2025年第2期