摘要
本发明公开了一种基于改进YOLOv7的字符检测模型,属于光学字符识别技术领域,字符检测模型使用MobilenetV3作为骨干网络对特征进行提取,替代YOLOv7原结构网络中的Multi拼接concatBlock(MCB)模块,所述MobilenetV3包括Bneck模块,所述Bneck模块包括PW卷积通道膨胀、DW卷积、PW卷积、SE模块和倒残差结构,还公开了一种基于改进YOLOv7的字符检测方法。本发明采用上述模型和方法,通过对YOLOv7进行改进,在不会过度失去精度的基础上,减小了网络的计算量,提高了字符检测的运算效率。
技术关键词
字符检测模型
字符检测方法
集成电路外观
残差结构
光学字符识别技术
模块
通道
结构网络
图像增强
重构
参数
精度
基础
尺寸
系统为您推荐了相关专利信息
残差结构
特征提取网络
注意力机制
抑制背景噪声
特征强化融合
检测网络模型
通道注意力机制
图书馆座位
Sigmoid函数
特征融合方法
深度学习算法
术后并发症
决策支持系统
多模态数据融合
迁移学习技术
数据扩充方法
卷积神经网络框架
特征金字塔
多尺度结构
图像处理
LOGO检测方法
集成电路外观
LBP特征
LBP算法
尺寸特征