基于改进YOLOv7的红外行人目标检测方法

打开文本图片集

【摘要】针对红外行人目标检测过程中，图像中行人目标特征不显著、小目标密集、背景复杂等因素导致的检测不全、误检率高等问题，提出了一种基于改进YOLOv7的红外行人目标检测算法。首先，以YOLOv7-tiny模型为基础，采用基于通道注意力机制的空间金字塔池化（CASPP）模块替换原始空间金字塔池化（SPP）模块，使模型更注重行人特征的提取；然后，引入基于Meta-ACON激活函数的卷积模块（CBM），进一步抑制背景噪声，保留行人细节；最后，提出一种alpha融合数据增强方法，以丰富样本的多样性，提高模型在复杂环境中的稳定性。（剩余11948字）