从表2可以看出,YOLO7 Tiny模型在训练损失方面表现出最佳性能,但它的GPU消耗也最高。当综合考虑GPU消耗和损失时,DGST+DGSM组合模型提供了一个更加平衡的选择。 YOLOv7 Tiny模型作为轻量级选项,在实验中展示了其独特的性能特点。在训练期间,该模型的GPU消耗为3.79G,是四个模型中最高的。其参数大小也是最大的,为6...
在这篇论文中,提出了一种基于YOLOv7-Tiny算法的无人机实时跟踪野生动物的方法。这种方法主要用于解决在复杂自然环境中由于树木遮挡和背景干扰而导致的跟踪问题。为了适应无人机边缘设备的有限算力,作者们设计了一种轻量化的跟踪算法。 一主要内容与创新点 算法改进主要集中在两个方面:网络优化和轻量化设计以提高在无...
首先,基于YOLOv7的轻量化版本,即YOLOv7-tiny,作为基础模型进行初始实验。考虑到带式输送机的工作环境特殊性和对实时性的要求,选择了YOLOv7-tiny以平衡检测精度与运行速度。 (2)超参数调优 为了进一步提升模型性能,我们进行了超参数的细致调整。主要包括: 学习率调度:采用了自适应的学习率策略,通过动态调整学习率来...
而YOLOv7-tiny作为一个轻量化版本,其性能自然不如其他版本,但在需要快速处理的场景下,可能是一个更合适的选择。通过这样的对比分析,我们可以根据实际应用的需求和限制,选择最适合的YOLO版本来部署我们的害虫检测系统。 4.4 代码实现 在本篇博客文章中,我们将深入探讨如何使用YOLOv8模型结合Python和Qt进行实时的农作物...
而YOLOv7-tiny作为一个轻量化版本,其性能自然不如其他版本,但在需要快速处理的场景下,可能是一个更合适的选择。通过这样的对比分析,我们可以根据实际应用的需求和限制,选择最适合的YOLO版本来部署我们的害虫检测系统。 4.4 代码实现 在本篇博客文章中,我们将深入探讨如何使用YOLOv8模型结合Python和Qt进行实时的农...
轻量化YOLOv7-tiny的水下压印字符识别 李卓润;李波;邱鹏程;刘洪 【期刊名称】《国外电子测量技术》 【年(卷),期】2024(43)4 【摘要】自动化水下字符识别技术能通过编号更高效地定位追踪水下设备,是管理和维护水下设备的关键。针对该任务目标区别较小和水下场景中干扰等问题,并考虑其检测速度需求,基于YOLOv7-...
YOLOv6n在保持与YOLOv5nu相似的性能同时,可能在其他方面如速度或模型大小上有所优化。而YOLOv7-tiny作为一个轻量化版本,其性能自然不如其他版本,但在需要快速处理的场景下,可能是一个更合适的选择。通过这样的对比分析,我们可以根据实际应用的需求和限制,选择最适合的YOLO版本来部署我们的害虫检测系统。
1.一种改进YOLOv7‑tiny的轻量级绝缘子缺陷检测方法,其特征在于,总共包括以下七 大步骤: 步骤1:获取输电线路缺陷绝缘子图像并构建绝缘子缺陷检测图像数据集; 步骤2:基于YOLOv7‑tiny目标检测网络,构建改进YOLOv7‑tiny的轻量化绝缘子缺陷检 测模型;
摘要 针对遥感图像小目标众多、目标检测器参数量大和检测效率低等问题,提出了一种改进的YOLOv7-tiny的轻量级遥感图像小目标检测模型。首先,针对原始模型中跨阶段局部空间金字塔池化网络复杂的碎片化操作,提出轻量级的空间金字塔...展开更多 Aiming at the problems of numerous small targets in remote sensing images,...