G-YOLO v7:面向无人机航拍图像的目标检测算法

作     者：陈卫彪 贾小军 朱响斌 冉二飞 魏远旺 

作者机构：嘉兴大学信息科学与工程学院 浙江师范大学计算机科学与技术学院 浙江理工大学计算机科学与技术学院(人工智能学院) 

出 版 物：《光电子·激光》 (Journal of Optoelectronics·Laser)

年 卷 期：2025年第02期

页      面：146-157页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0825[工学-航空宇航科学与技术] 

基　　金：浙江省公益技术应用研究计划项目(LGG20F010010)资助项目 

主　　题：G-YOLO v7 目标检测 GhostNet YOLO v7 无人机图像(UAV) 

摘      要：针对传统无人机(unmanned aerial vehicle, UAV)目标检测算法存在漏检率高、检测成功率低、模型体积大等问题，提出一种新的基于GhostNet和注意力机制的大检测头网络结构的目标检测方法G-YOLO v7(GhostNet YOLO v7)。该技术在YOLO v7-tiny的基础上增加一个大尺寸160×160目标检测头以提升小目标检测能力，同时对网络进行轻量化处理。删除原有20×20的小检测头及其卷积结构，新增GhostNet卷积模块，以减少网络的参数量，降低模型体积，同时修改损失函数为WIoU(wise intersection over union),增加PCBAM(parallel convolutional block attention module)注意力模块以提升检测精度。实验结果表明，基于G-YOLO v7网络结构的目标检测的mAP@0.5为42.3%,较YOLO v7-tiny提升5.2%,较YOLO v8n提升7.4%。G-YOLO v7的参数量和模型体积仅为YOLO v7-tiny的33.9%和37.9%,YOLO v8n的64%和75.6%,能够有效地应用于无人机航拍图像目标检测。