基于改进YOLOv7 算法的复杂场景烟雾检测研究

打开文本图片集

摘要：【目的】旨在解决复杂场景中目标烟雾失检、检测精度低的问题。【方法】基于YOLOv7算法基础上进行优化改进，将原模型Neck部分的PAFPN结构替换为渐近式特征金字塔结构AFPN并引入ECIoU作为目标回归损失函数，在自构建数据集SMdatase和Pycharm平台上进行验证。【结果】实验结果表明：改进后的算法准确率比原YOLOv7模型提高了1.3%，达到68.6%，平均精度均值（mAP）比原YOLOv7 模型提升了1.8%，达到64.6%，且改进后算法的计算复杂度仅有82.5 GFLOPs，比原YOLOv7模型下降了27.4%。（剩余8691字）