基于 YOLOv7 与 ShuffleNetv2、Vision Transformer 集成的轻量级目标检测研究
原文约300字，阅读约需1分钟。发表于：。本研究通过使用高级技术（如 Group Convolution、ShuffleNetV2 和 Vision Transformer），优化了 YOLOv7 算法，减小了模型的参数数量和内存使用，并简化了网络架构，从而在资源受限的设备上加强了实时物体检测的能力。实验结果表明，经过改进的 YOLO 模型表现出卓越的性能，在保持卓越的检测准确度的同时，显著提高了处理速度。
本研究通过优化YOLOv7算法，减小模型参数和内存使用，简化网络架构，提高实时物体检测能力。实验结果显示，改进的YOLO模型在保持准确度的同时，显著提高处理速度。
