基于改进YOLOv7-tiny的实时抓取检测算法

针对目前抓取检测任务中存在的预测位置和角度不准确、小物体适应性和检测实时性较差的问题,提出一种实时抓取检测算法。该算法以YOLOv7-tiny为基本框架,在网络特征融合阶段嵌入CA注意力机制,增强对小物体的适应性,并添加深度可分离卷积块进一步提升检测速度;引入KLD损失函数思想改进预测框回归损失函数,提高预测框位置和角度的准确性。该方法在Cornell数据集上的图像分割准确率为98.2%,对象分割准确率为97.3%,抓取检测速度达到62.5 FPS,相较其他经典方法有明显的优势,能够满足实时高精度抓取检测任务的需求。