换一批摘要为更加高效、并行地实现舌部多纹理的识别,提出一种基于Faster RCNN的改进舌部多纹理检测方法.首先,使用可变形卷积重塑主干提取网络中的卷积层并进行可变形池化,通过实际情况调整自身形状提取目标特征,以降低漏检率;其次,引入注意力机制scSE,通过增强有意义特征提高纹理表达能力;在目标相互掺杂且目标尺度差异较大的背景下,使用加权双向特征金字塔网络进行特征融合,以提升目标检测的准确率,最后进行迁移学习.实验结果显示该方法使所有类别平均精度达到0.935,较原始Faster RCNN模型提高了0.457,说明改进后的模型能有效解决目标掺杂和多尺度差异问题,具有较高的检测精度.
更多相关知识
关键词
舌部多纹理Faster RCNN深度学习可变形卷积注意力机制迁移学习多目标特征识别tongue multi-textureFaster RCNNdeep learningdeformable convolutionattention mechanismtransfer learningmulti-target feature recognition
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1005-202X.2023.08.009
发布时间
2023-09-15（万方平台首次上网日期，不代表论文的发表时间）
基金项目
辽宁省教育厅基本科研项目（LJKMZ20220677）
- 浏览4
- 被引2
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
