改进YOLOv7的小目标检测方法

来源：计算机工程与应用杂志2025年第10期北京时间：

作者：冯泰梾, 张雪松, 宋存利, 李光宇, 金花

单位：大连交通大学 软件学院，辽宁 大连 116052

摘要：针对小目标检测领域中的尺度变化、复杂背景干扰、漏检和误检等挑战性问题，提出了改进YOLOv7的小目标检测方法。在YOLOv7目标检测框架的基础上，加入了新的自适应特征收集再分配模块（adaptive feature collection and redistribution，AFCR）。该模块能够实现对多尺度特征的有效融合，从而增强模型对小目标的检测能力，并丰富输出特征的上下文信息。进一步地，运用特征蒸馏技术，使得学生模型能够从教师模型中学习关键特征表示，避免跨阶段的语义差异带来的负面影响，从而显著提升模型的泛化性和鲁棒性。在CCTSDB、FloW-Img和TinyPerson三个公开小目标检测数据集上的实验结果表明，提出的方法分别实现了96.4%、84.9%和33.0%的检测准确率，相较于原始YOLOv7方法，mAP@0.5分别提升了6.5、3.9和2.9个百分点。

关键词：小目标检测,YOLOv7,知识蒸馏,多尺度特征融合