针对视力障碍人群的实时物体检测：采用改进版的YOLOv7-Plus架构

障碍物检测模型YOLOv7-Plus通过改进backbone和head结构，显著提升小物体检测性能，在WOTR数据集上mAP达0.87，IoU值76%-95%，助力视障人士安全移动。

摘要

障碍物的检测对于提高视力受损者的行动能力和生活质量具有重要意义。本文介绍了YOLOv7-Plus，这是YOLOv7目标检测架构的改进版本，专门针对动态现实世界环境中小型物体检测所面临的挑战进行了优化。此次改进的主要目的是帮助视力受损者更好地了解周围环境，从而提高他们的自主性和安全性。对YOLOv7模型的主干网络和头部进行了修改，使得该版本在小型且动态物体较多的环境中表现出色。在对比YOLOv7、YOLOv5、FRCNN和RCNN等基准模型的综合评估中，YOLOv7-Plus取得了更高的平均精度（mAP），在WOTR数据集上的平均精度达到了0.87，显著优于基线版本的YOLOv7（0.82）。此外，在实际应用中，对于关键障碍物，YOLOv7-Plus的交并比（IoU）值始终保持在76%至95%之间。除了技术上的进步，YOLOv7-Plus还通过利用尖端技术来提升视力受损者的可访问性和安全性，体现了其社会责任感。本文不仅展示了目标检测技术上的改进，还强调了这一改进对社会的深远影响，尤其是在为视障人士提供更好的便利性方面。