典型文献
基于多尺度特征融合的皮肤烧伤创面分级算法
文献摘要：
为实现遭受重大火灾等灾害后,对伤员皮肤烧伤自动化分级,加快诊断效率,提出提出一种用于皮肤烧伤分类的轻量化模型BI-YOLOv5算法.替换Swish激活函数,提高模型收敛能力及检测效率;使用K-means++算法对anchors聚类分析,增强对不同尺度目标的适应能力;修改特征提取网络,提取多个尺度的特征信息,建立多尺度特征融合网络,提高模型对深层特征信息的利用率,提高小面积烧伤的识别精度.实验结果表明,BI-YOLOv5算法在检测并区分不同烧伤类别及环境干扰下烧伤检测有较高的精度和效率,mAP达到97.6,对比YOLOv5提升8.4个百分点.
文献关键词：
深度学习;机器视觉;YOLO;火灾;皮肤烧伤
中图分类号：
作者姓名：
韩旭晖;刘宇;何圭波;宋年秀
作者机构：
青岛理工大学机械与汽车工程学院 青岛266525
文献出处：
引用格式：
[1]韩旭晖;刘宇;何圭波;宋年秀-.基于多尺度特征融合的皮肤烧伤创面分级算法)[J].电子测量技术,2022(18):114-118
A类：
B类：
多尺度特征融合,皮肤烧伤,烧伤创面,受重,大火,伤员,自动化分级,诊断效率,轻量化模型,BI,YOLOv5,Swish,激活函数,收敛能力,检测效率,means++,anchors,不同尺度,特征提取网络,特征信息,特征融合网络,深层特征,高小,小面积,识别精度,环境干扰,mAP,百分点,机器视觉
AB值：
0.405301
相似文献
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。
