基于改进YOLOv7的湖面漂浮物目标检测算法

摘要：

为提高湖面多种类和小体积的漂浮垃圾检测识别的准确度与推理检测速度,结合湖面垃圾漂浮物的图像特征,采用半结构化剪枝技术创建X-Toss剪枝框架,并基于YOLOv7目标检测模型,提出一种轻量化湖面漂浮物实时检测方法C-X-YOLOv7.X-Toss剪枝框架使用DFS算法生成父子卷积核计算图,利用特定的内核模式剪枝卷积核,降低迭代剪枝的计算成本.融合CA注意力机制对模型进行加权,减少模型过拟合现象,提高模型准确性和泛化能力.结果表明:对湖面垃圾检测识别,C-X-YOLOv7模型识别准确率为91.7%,召回率为91.2%,与YOLOv7模型对比分别提升2.6%、2.5%;推理加速度上,X-Toss剪枝框架在RTX 2080 Ti与NVIDIA Jetson TX2上分别实现YOLOv7的1.98×和2.17×的加速比,相较于PD、NMS、NS等剪枝框架,X-Toss的推理加速比和能耗均有提升.研究表明C-X-YOLOv7湖面漂浮物检测方法为湖面垃圾检测识别提供了一种新思路.

关键词：目标检测、YOLOv7、剪枝技术、半结构化剪枝、DFS算法、注意力机制、推理加速比、湖面漂浮物

所属期刊栏目：47

分类号：TN911.73-34;TP391.4

资助基金：中国医药教育协会重大科学攻关问题和医药技术难题重点课题2022KTMO36

在线出版日期：2024-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：105-110