典型文献
基于改进YOLOv3和迁移学习的轻量型补片目标检测
文献摘要：
自动三维乳腺超声(Automated?3-D?Breast?Ultrasound,ABUS)克服传统超声的缺陷,成功应用于对腹壁疝轻量型补片的检查.?但人工检阅ABUS超声图像耗时费力,且极易出现漏诊等问题.?因此,文章提出一种基于改进YOLOv3和迁移学习的目标检测算法以辅助医生提高审阅速度和准确性.?基于原有的YOLOv3模型,在检测层前增加空间金字塔池化?(Spatial?Pyramid?Pooling,SPP)模块实现局部特征与全局特征的融合,丰富特征图的表达,解决了检测图像中小目标难以检测的问题;在网络训练中,采用迁移学习的策略进行训练网络以克服轻量型补片图像数据集有限的问题,提升网络的鲁棒性减少过拟合产生.?实验结果表明,YOLOv3-SPP算法结合迁移学习训练方式,其平均精度均值(mean?Average?Precision,mAP)达到90.15％,图像检测速度为33.2?f·s-1,可有效辅助医生提高审阅效率.
文献关键词：
三维超声图像;轻量型补片;目标检测;YOLOv3;迁移学习
中图分类号：
作者姓名：
范博;吴俊;孙亮;颜光前;张兆民;王强;夏苠芩
作者机构：
云南大学 信息学院,云南 昆明 650500;昆明医科大学第一附属医院 胃肠与疝外科,云南 昆明 650032;昆明医科大学第一附属医院 科教部,云南 昆明 650032
文献出处：
引用格式：
[1]范博;吴俊;孙亮;颜光前;张兆民;王强;夏苠芩-.基于改进YOLOv3和迁移学习的轻量型补片目标检测)[J].云南大学学报（自然科学版）,2022(03):471-479
A类：
轻量型补片,三维超声图像
B类：
YOLOv3,迁移学习,片目,乳腺超声,Automated,Breast,Ultrasound,ABUS,成功应用,腹壁疝,检阅,费力,漏诊,目标检测算法,审阅,检测层,空间金字塔池化,Spatial,Pyramid,Pooling,SPP,现局,局部特征,全局特征,特征图,小目标,网络训练,图像数据集,过拟合,学习训练,训练方式,平均精度均值,mean,Average,Precision,mAP,图像检测,检测速度
AB值：
0.388529
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
