轻型多尺度黑色素瘤目标检测网络模型的建立:基于注意力机制调控
钟友闻1
车文刚1
高盛祥2
1.昆明理工大学信息工程与自动化学院,云南 昆明 650500;昆明理工大学云南省计算机技术应用重点实验室,云南 昆明 6505002.昆明理工大学信息工程与自动化学院,云南 昆明 650500;昆明理工大学云南省人工智能重点实验室,云南 昆明 650500
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.
关键词：深度学习目标检测注意力机制YOLOv5s黑色素瘤
资助基金：国家自然科学基金(61972186)国家自然科学基金(U21B2027)云南高新技术产业发展项目(201606)云南省重大科技专项计划(202103AA080015)云南省重大科技专项计划(202002AD080001-5)云南省基础研究计划项目(202001AS070014)云南省学术和技术带头人后备人才(202105AC160018)
论文发表日期：2022-11-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 1662-1671 )
英文信息