关键词:
肺结核
深度学习
目标检测
Faster R-CNN
摘要:
本文提出一种基于Faster R-CNN的肺结核病原体检测方法,以更高的准确率和更低的漏检率检测肺结核.首先,通过Mosaic数据增强方法对数据集进行扩充,提高模型泛化能力,同时引入K-means聚类算法,对所用数据集重新聚类来生成对的锚点初始候选框大小.其次,将Faster R-CNN中的原始特征提取网络替换为Res2Net,并将其卷积核全部替换为空洞卷积,在与原卷积相比参数量不变的情况下,增大了感受野.再者,引入改进后的GC-FPN模块,使模型在轻量化的同时更好的关注小目标信息.最后,引入ROI Align,解决候选框和初始回归位置存在偏差的问题.实验结果表明,在公开数据集上,改进的Faster R-CNN模型与原本的Faster R-CNN算法相比,准确率提高了2.7%,召回率提升了1.4%,该算法不仅在结核图像数据集上得到了验证,而且具有较高的准确率.