.png){kind=icon}
返回
Indoor object detection algorithm based on SBP-YOLOv7
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-025-05195-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决YOLOv7在室内目标检测中存在检测精度低、效率不高的问题，本文提出了一种适用于复杂室内环境的新型算法SBP-YOLOv7。改进内容包括：将无参数的SimAM注意力机制引入骨干网络以增强对目标对象的关注；设计了一种短BiFPN（轻量级加权双向特征金字塔网络），用于颈部网络的高效多尺度特征融合；在骨干网络的ELAN模块中集成PConv（部分卷积）以实现轻量化设计；在颈部采用GSConv（分组混洗卷积）和VoVGSCSP（体素网格空间跨阶段部分）模块进一步降低计算复杂度。实验在从PASCAL VOC和COCO数据集中提取的室内目标子集以及自定义室内目标数据集上进行。结果表明，与YOLOv7相比，SBP-YOLOv7分别减少了32.00%、28.23%和32.00%的参数量，同时检测精度提升了3.94%、3.50%和3.84%。此外，SBP-YOLOv7在性能上优于Faster R-CNN、SSD和YOLOv5l等主流算法。
Keyword:
Indoor object detection
SimAM attention mechanism
PConv
Slim-neck structure
Lightweighting
期刊
C
IF:
0
论文数:
691
被引数:
1
机构
引用论文
.png){kind=icon}
Score-based mask edge improvement of Mask-RCNN for segmentation of fruit and vegetables基于分数的mas-rcnn掩模边缘改进的果蔬分割算法
PREAI
分享收藏分享收藏分享收藏ECA-Net: Efficient Channel Attention for Deep Convolutional Neural NetworksEca-net: 深度卷积神经网络的高效信道关注
OAAI
OAAI分享收藏
查看更多内容