科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决传统目标检测算法在血细胞检测任务中出现的检测精度偏低、错检及漏检等问题，提出了一种基于YOLO框架的改进目标检测算法YOLO-Att，该算法在YOLO框架结构的基础上，在骨干网络中增加了一种多尺度残差增强模块，结合低层信息丰富网络的特征层次，进而提高特征信息利用率；并设计了一种注意力门控结构嵌入模型，以获取更多高质量的主要特征信息；同时使用Focal loss代替原损失函数中的交叉熵，提高正负样本权重，加快模型收敛速度；采用K-means++聚类算法对目标进行锚框优化，进一步提升检测准确率。相较于现有的FasterRCNN、SSD以及YOLOv4等目标检测算法，YOLO-Att在通用血细胞数据集BCCD检测任务中，将mAP提高至66.32%，检测速率达到了85.4 ms，更符合血细胞检测任务的实时性。
- 出版日期2022
- 单位江西理工大学
