典型文献
基于改进YOLOv5的幽门螺杆菌免疫印迹图像识别
文献摘要：
针对幽门螺杆菌免疫印记图像重度依赖医生目测识别,存在效率低、速度慢等问题,提出一种基于改进YOLOv5的幽门螺杆菌免疫印迹图像检测模型.首先对YOLOv5的特征提取器进行优化,采用DenseNet作为新的特征提取器来解决梯度消失问题;然后通过限制最高下采样倍数,使得模型对小目标检测更加灵敏;最后引入Swish激活函数代替原YOLOv5中的LeakyReLU激活函数并改进IoU来获取更加准确的边界信息.在幽门螺杆菌免疫印记图像数据集上验证改进后的模型检测能力,实验结果表明,改进后模型的F1-score高达0.93、mAP@0.5达95.4％、mAP@0.5:0.95达75.6％、每秒检测帧数达54 fps,满足临床上检测时限要求.
文献关键词：
幽门螺杆菌免疫印迹图像;特征提取;YOLOv5;目标检测识别;深度学习
中图分类号：
作者姓名：
王梦;张鸿鑫;刘庆华;张东
作者机构：
江苏科技大学计算机学院,江苏 镇江 212003;无锡铂肴医疗仪器有限公司,江苏 无锡 214142
文献出处：
引用格式：
[1]王梦;张鸿鑫;刘庆华;张东-.基于改进YOLOv5的幽门螺杆菌免疫印迹图像识别)[J].计算机与现代化,2022(09):78-84,92
A类：
幽门螺杆菌免疫印迹图像
B类：
YOLOv5,图像识别,印记,目测,速度慢,图像检测,检测模型,DenseNet,梯度消失,高下,下采样,倍数,小目标检测,Swish,激活函数,数代,LeakyReLU,IoU,图像数据集,模型检测,检测能力,score,mAP,每秒,fps,时限,目标检测识别
AB值：
0.318737
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。
