改进YOLOv7+Bytetrack的小目标检测与追踪

• 全文链接
• 请求原文

作   者：

聂源;  赖惠成;  高古学; 

作者机构：

新疆大学计算机科学与技术学院; 

关键词：

多目标追踪;  Bytetrack;  小目标检测;  多级感受野;  MFF-YOLOv7; 

期刊名称：

计算机工程与应用

i s s n：

年卷期：

2024 年 012 期

页   码：

189-202

摘   要：

近年来,目标检测技术已经相当成熟,但小目标检测一直是目标检测领域的一大挑战.为了解决这一问题,设计一种名为MFF-YOLOv7的小目标检测算法,该算法旨在提高小目标检测的准确率.设计级联双向特征金字塔KBiFPN,以及联合提出的多级感受野特征聚合模块MFA,来聚合浅层特征并增强特征的信息表达能力.为了解决小目标漏检问题,设计了新的解耦头和新的注意力机制.新的解耦头对小目标的检测能力更强,新的注意力机制可以重点关注感兴趣的小目标区域.引入了一种新的损失函数ECIOU,旨在加快模型的收敛速度.为了验证模型的性能,分别在三个小目标数据集上进行了实验.实验结果表明,MFF-YOLOv7算法提高了检测精度.同时,使用多目标追踪Bytetrack算法在MOT17和VisDrone2019-MOT两个多目标追踪数据集上对新模型进行了验证,进一步证明了其有效性.此外,MFF-YOLOv7算法在动态视频追踪中表现出了良好的性能.