重构SPPCSPC与优化下采样的小目标检测算法

针对小目标图像检测中存在相互遮挡、背景复杂和特征点少的问题,基于YOLOv7提出一种重构SPPCSPC与优化下采样的小目标检测算法。在骨干网络的SPPCSPC模块中裁剪CBS层、引入SimAM注意力机制并缩小池化核,以提高关注密集目标区域,提取更多相互遮挡的小目标特征;在颈部网络中,将下采样结构中的SConv替换为SPD Conv,再添加一个四倍下采样分支,以减少小目标特征丢失,提高复杂背景下小目标特征捕获量;把网络模型的损失函数由CIoU替换为Wise IoU,聚焦一般质量瞄框,提升收敛速度。在公开数据集VisDrone2021上做对比实验和消融实验,该算法与原始YOLOv7算法相比,mAP提升5.09个百分点,FPS值达到40,参数量减少2.5 MB,表明小目标检测精度显著提升,同时保持了推理速度并减少了参数量;在公开数据集VOC2007+2012上做泛化实验,mAP提升3.35个百分点,表明该算法具有通用性。