基于改进YOLOv7-tiny的多尺度运动目标检测算法

doi:10.3969/j.issn.1006-2475.2024.11.015

摘要/Abstract

摘要： 针对区域安全防卫时，远距离入侵目标成像像素少，纹理信息不足以及在目标持续接近过程中的大尺度变换导致的模型误检、漏检问题，本文提出一种基于YOLOv7-tiny算法改进的多尺度运动目标检测算法。首先，提出一种新的OBM模块用于特征提取网络，利用多维注意力机制提高网络的特征提取能力；其次，采用改进的AC-BiFPN双向特征融合策略，将进行自适应加权融合后的多层次特征传给ACmix注意力机制，以提升模型对多尺度目标的感知能力；最后，优化模型的损失函数，对预测框与真实框之间的区域加权，减少模型预测偏差。模型在自制的监控行人车辆数据集上进行实验，结果表明，相较于原始的YOLOv7-tiny模型，改进后的YOLOv7-tiny模型改善了远距离监测时行人车辆的误检漏检问题，检测精确度提高了3.96个百分点，平均检测精度（mAP@0.5:0.95）提高了2.22个百分点，在边缘GPU上实时帧率达到32.7 fps，满足实际使用需求。

关键词: 安全防卫, 多尺度目标检测, YOLOv7-tiny, OBM, AC-BiFPN

Abstract: Aiming at the problem of model misdetection and omission caused by the few pixels of long-distance intrusion object， insufficient texture information as well as large-scale transformations during the continuous approach of the object in regional security defence， an improved multi-scale moving object detection algorithm based on the YOLOv7-tiny algorithm is proposed. Firstly， a new OBM module is proposed for the feature extraction network， using a multi-dimensional attention mechanism to improve the feature extraction capability of the network. Secondly， an improved AC-BiFPN bidirectional feature fusion strategy is used to combine the multi-dimensional adaptive weighted fusion. The scale features are passed to the ACmix attention mechanism to improve the model’s perception of multi-scale objects. Finally， the activation function of the model is optimized to weight the area between the predicted frame and the real frame to reduce the model prediction bias. The model is tested on a self-made pedestrian and vehicle data set， and the experimental results show that compared with the original YOLOv7-tiny model， the improved YOLOv7-tiny model addresses the problem of misdetection and omission of pedestrians and vehicles during long-distances monitoring， with an increase of 3.96 percentage points in the detection accuracy， an increase of 2.22 percentage points in the average detection accuracy （mAP@0.5:0.95）， and the real-time frame rate reaches 32.7 fps on edge GPUs， which meets the practical application requirements.

Key words: security defense, multi-scale object detection, YOLOv7-tiny, OBM, AC-BiFPNz

中图分类号:

TP391.4

董玉玟. 基于改进YOLOv7-tiny的多尺度运动目标检测算法[J]. 计算机与现代化, 2024, 0(11): 99-105.

DONG Yuwen. Multi-scale Moving Object Detection Algorithm Based on Improved YOLOv7-tiny[J]. Computer and Modernization, 2024, 0(11): 99-105.

参考文献

［1］张德祥，王俊，袁培成. 基于注意力机制的多尺度全场景监控目标检测方法［J］. 电子与信息学报， 2022，44（9）：3249-3257.
［2］王均成，贺超，赵志源，等. 基于YOLOv3-tiny的视频监控目标检测算法［J］. 电子技术应用， 2022，48（7）：30-33.
［3］ LIN T Y， MAIRE M， BELONGIE S， et al. Microsoft COCO： Common objects in context［C］// Proceedings of European Conference on Computer Vision 2014. Springer，2014：740-755.
［4］李玉腾，史操，许灿辉，等. 基于视觉和文本的多模态文档图像目标检测［J］. 计算机应用研究， 2023，40（5）：1559-1564.
［5］刘洪江，王懋，刘丽华，等. 基于深度学习的小目标检测综述［J］. 计算机工程与科学， 2021，43 （8）：1429-1442.
［6］邱地发，于淑芳，刘锦辉，等. 基于YOLOv5s的遥感图像的车辆小目标检测［J］. 计算机与现代化， 2023（5）：122-126.
［7］ KRIZHEVSKY A， SUTSKEVER I， HINTON G E. ImageNet classification with deep convolutional neural networks［C］// 2012 International Conference on Neural Information Processing Systems. ACM， 2012：1097-1105.
［8］ GIRSHICK R， DONAHUE J， DARRELL T， et al. Rich feature hierarchies for accurate object detection and semantic segmentation［C］// Proceedings of the 2014 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2014：580-587.
［9］ HE K M，ZHANG X Y，REN S Q，et al. Spatial pyramid pooling in deep convolutional networks for visual recognition［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2015，37（9）：1904-1916.
［10］ GIRSHICK R. Fast R-CNN［C］// Proceedings of the 2015 IEEE International Conference on Computer Vision. IEEE， 2015：1440-1448.
［11］ REN S Q， HE K M， GIRSHICK R， et al. Faster R-CNN： Towards real-time object detection with region proposal networks［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2017，39（6）：1137-1149.
［12］ LIU W， ANGUELOV D， ERHAN D， et al. SSD： Single shot multibox detector［C］// ECCV 2016. Springer， 2016：21-37.
［13］ REDMON J， DIVVALA S， GIRSHICK R， et al. You only look once： Unified， real-time object detection［C］// Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2016：779-788.
［14］ WANG C Y， BOCHKOVSKIY A， LIAO H Y M. YOLOv7： Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors［C］// Proceedings of the 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition. IEEE， 2023：7464-7475.
［15］ LI C， ZHOU A J， YAO A B. Omni-dimensional dynamic convolution［J］. arXiv preprint arXiv：2209.07947， 2022.
［16］ MISRA D. Mish： A self regularized non-monotonic activation function［J］. arXiv preprint arXiv：1908.08681， 2019.
［17］ PAN X R， GE C J， LU R， et al. On the integration of self-attention and convolution［C］// Proceedings of the 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition. IEEE， 2022：805-815.
［18］ TAN M X， PANG R M， LE Q V. EfficientDet： Scalable and efficient object detection［C］// Proceedings of the 2020 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2020：10778-10787.
［19］ TONG Z J， CHEN Y H， XU Z W， et al. Wise-IoU： Bounding box regression loss with dynamic focusing mechanism［J］. arXiv preprint arXiv：2301.10051， 2023.
［20］ MA N N， ZHANG X Y， ZHENG H T， et al. ShuffleNet V2： Practical guidelines for efficient CNN architecture design［C］// Proceedings of the European Conference on Computer Vision 2018. Springer， 2018：122-138.
［21］ YANG B， BENDER G， LE Q V， et al. Condconv： Conditionally parameterized convolutions for efficient inference［C］// 2019 International Conference on Neural Information Processing Systems. ACM， 2019：1296-1307.
［22］陈仁凡，谢知，林晨. 基于YOLO-ODM的温室草莓成熟度的快速检测［J］. 华中农业大学学报， 2023，42（4）：262-269.
［23］周之平，樊斌，盖杉，等. 多尺度特征深度复用的显著性目标检测算法［J］. 计算机应用研究， 2022，39（8）：2515-2519.
［24］ LIU S， QI L， QIN H F， et al. Path aggregation network for instance segmentation［C］// Proceedings of the 2018 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2018：8759-8768.
［25］许叶彤，耿信哲，赵伟强，等. 基于CNN-Transformer混合结构的遥感影像变化检测模型［J］. 计算机与现代化， 2023（7）：79-85.
［26］ YU J H， JIANG Y N， WANG Z Y， et al. Unitbox： An advanced object detection network［C］// Proceedings of the 24th ACM International Conference on Multimedia. ACM， 2016：516-520.
［27］ ZHENG Z H， WANG P， LIU W， et al. Distance-IoU loss： Faster and better learning for bounding box regression［C］// Proceedings of the 34th AAAI Conference on Artificial Intelligence. AAAI， 2020，34（7）：12993-13000.
［28］ ZHU X K，LYU S C，WANG X，et al. TPH-YOLOv5： Improved YOLOv5 based on transformer prediction head for object detection on drone-captured scenarios［C］// Proceedings of the 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition. IEEE， 2021：2778-2788.

[1]	祁贤, 刘大铭, 常佳鑫. 基于改进自注意力机制的多视图三维重建[J]. 计算机与现代化, 2024, 0(11): 106-112.
[2]	魏学诚1, 江凌云1, 李研2, 何非2. 改进YOLOv5的路侧单目视角小目标检测算法[J]. 计算机与现代化, 2024, 0(10): 27-34.
[3]	张泽1, 张建权2, 3, 周国鹏2, 3. 基于改进YOLOv8s的摄像头模组缺陷检测[J]. 计算机与现代化, 2024, 0(09): 107-113.
[4]	马永, 王俊, 张子健, 赵煜阳, 张靖, 周明. 面向智慧运维系统的改进YOLOv8行为检测算法[J]. 计算机与现代化, 2024, 0(08): 43-48.
[5]	郑尚坡1, 陈德富1, 李坚利2, 林国贤2, 王星平3. 基于改进YOLOv5s和DeepSORT的行人跟踪算法[J]. 计算机与现代化, 2024, 0(08): 54-58.
[6]	李欣, 焦立男, 柳有权, 马彩莎. 一种基于改进SIFT的视频稳像方法[J]. 计算机与现代化, 2024, 0(06): 43-50.
[7]	吴恒锋, 侯兴松, 王华珂. 基于改进YOLOX的输电线路故障检测算法[J]. 计算机与现代化, 2024, 0(05): 5-10.
[8]	孙睿琦1, 窦修超2, 李志华1, 蒋雪梅2, 孙宇豪1. 基于改进YOLOv5的复杂路况密集行人检测方法[J]. 计算机与现代化, 2024, 0(05): 85-91.
[9]	刘耀鑫1, 陈仁喜2, 杨伟宏1. 一种针对抖动无人机视频的运动目标检测算法[J]. 计算机与现代化, 2024, 0(05): 99-103.
[10]	张子旭, 李嘉莹, 栾鹏鹏, 彭圆圆. 基于注意力机制的U-Net眼底图像分割算法[J]. 计算机与现代化, 2024, 0(05): 110-114.
[11]	张嘉琪, 徐啟蕾. 基于NAM-YOLO网络的苹果缺陷检测算法[J]. 计算机与现代化, 2023, 0(10): 53-58.
[12]	李延满, 王必恒, 赵羚焱. 基于轻量化YOLOv5的安全帽检测[J]. 计算机与现代化, 2023, 0(10): 59-64.
[13]	方雪，余瑞星. 基于网格统计模型的三维目标识别[J]. 计算机与现代化, 2014, 0(4): 24-28.