yolov7中的mpconv模块改进

在YOLOv7目标检测模型中，对MPConv模块进行了改进。改进的目的是减少网络特征处理过程中的特征损失，并找到了最佳的放置位置。改进的方法是结合特征分立合并思想，通过实验确定了网络中放置改进MPConv模块的最佳位置。这样可以提高网络对小目标的检测敏感度，并减少漏检情况的发生。\[1\]

具体来说，改进的YOLOv7模型还使用了ACmix注意力模块，以增加网络对小尺度目标的敏感度，并降低噪声的影响。此外，还使用SIoU替换了原YOLOv7模型中的CIoU，以优化损失函数，减少损失函数自由度，提高网络的鲁棒性。\[1\]

通过在欧卡智舶公开的FloW-Img子数据集上进行实验对比，改进后的YOLOv7网络模型相比于原网络，在漏检情况上得到了很好的改善。实验结果表明，改进后的YOLOv7网络模型的mAP可达到71.1%，相比于基线YOLOv7网络模型提升了4个百分点，检测效果优于原网络和其他经典目标检测网络。\[1\]
#### 引用[.reference_title]
- *1* *2* [目标检测论文解读复现【NO.21】基于改进YOLOv7的小目标检测](https://blog.csdn.net/m0_70388905/article/details/128366460)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [YOLOv7改进：引入CVPR2023最新之作：Pconv，实现有效涨点](https://blog.csdn.net/m0_51530640/article/details/129492386)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]