基于改进YOLOv7-tiny飞行员表情识别算法研究
杨一豪
西安石油大学 陕西西安 710065
摘要：针对飞行员情绪识别中存在的精度不足和效率受限问题,文章提出了一种基于改进深度学习模型的情绪检测算法.首先,在现有模型中引入了 CBAM注意力机制,以增强模型对关键特征的关注,抑制非关键区域的干扰;其次,采用Ghost Conv模块进行轻量化设计,在显著降低模型参数量和计算复杂度的同时保持高效的特征提取能力.通过实验对比分析了单独引入CBAM模块、Ghost Conv模块以及两者结合使用的效果.实验结果表明,改进后的算法在情绪识别的检测精度上提升了3.1％,计算复杂度(GFLOPs)降低了21％,模型参数量减少了10％,在准确性和实时性方面均取得了显著提升.该算法为飞行员情绪监测提供了一种高效、准确的解决方案.
关键词：YOLOv7情绪识别目标检测CBAMGhost Conv
论文发表日期：2025-03-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 75-78 )