南方医科大学学报 ›› 2022, Vol. 42 ›› Issue (11): 1662-1671.doi: 10.12122/j.issn.1673-4254.2022.11.10
钟友闻,车文刚,高盛祥
ZHONG Youwen, CHE Wengang, GAO Shengxiang
摘要: 目的 提出一种融入坐标注意力和高效通道注意力机制的深度学习目标检测模型AM-YOLO。方法 运用Mosaic图像增强与MixUp混类增强对图像进行预处理,采用One-Stage结构的目标检测模型YOLOv5s,并对该模型的骨干网络与颈部网络进行改进。在该模型的骨干网络中把空间金字塔的最大池化层替换成二维最大池化层,接着将坐标注意力机制和高效通道注意力机制分别融入到YOLOv5s模型的C3模块与该模型的骨干网络中。将改进后的模型与未改进的YOLOv5s模型,YOLOv3模型,YOLOv3-SPP模型,YOLOv3-tiny模型进行相关算法指标的对比实验。结果 融入了坐标注意力和高效通道注意力机制的AM-YOLO模型能够有效提升对黑色素瘤的识别率,同时也减少了模型权重的大小。AM-YOLO模型在准确率,召回率以及平均精度均值上都要明显优于其他模型,并且对于早期和晚期黑色素瘤的平均精度均值分别达92.8%和87.1%。结论 本文采用的深度学习目标检测算法模型能够应用于黑色素瘤目标的识别中。