基于改进Faster RCNN的肺炎检测算法
苗晓雨
刘勇
沈阳理工大学信息科学与工程学院 辽宁沈阳 110159
摘要：针对已有的目标检测算法对于医学图像目标检测效果差、精度低、漏检等问题,在Faster RCNN及其他目标检测算法的启发下,提出一种以Faster RCNN为基线的改进方式-基于注意力机制的肺炎检测算法.首先,在主干网络方面,采用深度残差网络ResNet50,以减轻深层神经网络对训练带来的影响.同时在主干网络ResNet50的后两层引入注意力残差模块,从而提升主干网络的特征提取能力.然后将提取到的特征图送入特征金字塔网络中,来加强特征图的语义信息,使得提取到的特征图能够保持高语义,包含更多的特征.接着将高语义特征图送入RPN网络,产生多个ROIs并将特征图映射成特征矩阵.最终将特征矩阵经过ROI Align模块后进行分类和边界框回归.实验结果表明,文章改进的目标检测算法对新冠肺炎X光片的检测mAP可达53.6,与原始Faster RCNN基线相比,提升接近2点,检测速度相对较快,可以有效地进行新冠肺炎的检测问题.
关键词：计算机视觉目标检测医学图像新冠肺炎特征提取注意力机制
论文发表日期：2022-12-28
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( 57-60 )