【技术实现步骤摘要】
本专利技术属于目标检测技术，特别涉及一种基于改进yolov7-tiny模型的多尺度运动目标检测方法。
技术介绍
1、随着经济水平的提升，道路上的行人、车辆数量持续增长，监控系统不止需要监测危险人物，同时也要对危险车辆的识别监测。为了保障管控区域安全、加强对入侵目标的检测，基地对监控系统的性能要求越来越高，监控距离的要求也在提高，从近处检测延伸到远距离警戒。监控系统的水平提高对基地安全的保障有质的提升。
2、近年来对远距离小目标检测技术的研究虽然有许多突破，但是识别速度和精度都不够高，且会影响正常目标检测的精度，性能指标之间达不到平衡。202211628492公开了《一种基于改进的yolo多尺度检测的车辆目标识别方法》，通过添加eca注意力模块和一个小目标检测层以解决现有的车辆目标检测方法在相对复杂场景中所表现出的精度低问题，但模型的参数量变大、对目标特征提取不彻底，模型性能提升不显著。因此开发出同时适用监控场景、能够同时对远距离小目标与近距离大目标正常检测的算法对重要区域的管控尤为重要。
技术实现
本文档来自技高网...【技术保护点】
1.一种基于改进YOLOv7-tiny模型的多尺度运动目标检测方法，其特征在于，步骤如下：
2.根据权利要求1所述的基于改进YOLOv7-tiny模型的多尺度运动目标检测方法，其特征在于，步骤S4中，设计改进后的YOLOv7-tiny模型，包括输入层、骨干网络层和头部层。
3.根据权利要求2所述的基于改进YOLOv7-tiny模型的多尺度运动目标检测方法，其特征在于，步骤S5中，将训练集送入改进后的YOLOv7-tiny模型进行训练，得到训练后的YOLOv7-tiny模型，具体如下：
4.根据权利要求3所述的基于改进YOLOv7-t...
【技术特征摘要】
1.一种基于改进yolov7-tiny模型的多尺度运动目标检测方法，其特征在于，步骤如下：
2.根据权利要求1所述的基于改进yolov7-tiny模型的多尺度运动目标检测方法，其特征在于，步骤s4中，设计改进后的yolov7-tiny模型，包括输入层、骨干网络层和头部层。
3.根据权利要求2所述的基于改进yolov7-tiny模型的多尺度运动目标检测方法，其特征在于，步骤s5中，将训练集送入改进后的yolov7-tiny模型进行训练，得到训练后的yolov7-tiny模型，具体如下：
4.根据权利要求3所述的基于改进yolov7-tiny模型的多尺度运动目标检测方法，其特征在于，骨干网络层利用改进的obm模块实现特征提取，并利用多维注意力机制提高网络的特征提取能力，具体如下：
5.根据权利...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。