小目标检测研究进展（目标检测论文解读复现【NO.21】基于改进YOLOv7的小目标检测）
前言
此前出了目标改进算法专栏 ，但是对于应用于什么场景 ，需要什么改进方法对应与自己的应用场景有效果 ，并且多少改进点能发什么水平的文章 ，为解决大家的困惑 ，此系列文章旨在给大家解读最新目标检测算法论文 ，帮助大家解答疑惑 。解读的系列文章 ，本人已进行创新点代码复现 ，有需要的朋友可关注私信我 。
四 、实验效果（部分展示）
1.下图针对小目标图片 ，改进前后网络均检测出2个目标 ，但改进后网络的预测框置信度明显大于原网络 。
2.对于下图超小目标(目标框大小为0.05×0.04)的图片 ，原网络漏检 ，而改进后的网络仍能检测出目标 。
3.其结果如下表所示 。改进后的YOLOv7算法在输入相同尺寸图片的情况下 ，mAP值超过了其它经典网络 ，更适合小目标检测场景 。
五 、实验结论
实验结果表明 ，改进后的YOLOv7网络检测效果优于原网络和其它经典目标检测网络 。下一步研究计划 ，通过对数据集的扩增 ，增加数据集中的检测类别以扩大模型的检测范围 ，提高在实际应用中的检测性能 。
六 、投稿期刊介绍
注：论文原文出自戚玲珑 ，高建瓴．基于改进YOLOv7的小目标检测[J/OL]．计算机工程. https://doi.org/10.19678/j.issn.1000-3428.0065942
解读的系列文章 ，本人已进行创新点代码复现 ，有需要的朋友可关注下面公众号 ，私信我 。
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！