典型文献
基于改进Faster RCNN的肺炎检测算法
文献摘要：
针对已有的目标检测算法对于医学图像目标检测效果差、精度低、漏检等问题,在Faster RCNN及其他目标检测算法的启发下,提出一种以Faster RCNN为基线的改进方式-基于注意力机制的肺炎检测算法.首先,在主干网络方面,采用深度残差网络ResNet50,以减轻深层神经网络对训练带来的影响.同时在主干网络ResNet50的后两层引入注意力残差模块,从而提升主干网络的特征提取能力.然后将提取到的特征图送入特征金字塔网络中,来加强特征图的语义信息,使得提取到的特征图能够保持高语义,包含更多的特征.接着将高语义特征图送入RPN网络,产生多个ROIs并将特征图映射成特征矩阵.最终将特征矩阵经过ROI Align模块后进行分类和边界框回归.实验结果表明,文章改进的目标检测算法对新冠肺炎X光片的检测mAP可达53.6,与原始Faster RCNN基线相比,提升接近2点,检测速度相对较快,可以有效地进行新冠肺炎的检测问题.
文献关键词：
计算机视觉;目标检测;医学图像;新冠肺炎;特征提取;注意力机制
中图分类号：
作者姓名：
苗晓雨;刘勇
作者机构：
沈阳理工大学信息科学与工程学院 辽宁沈阳 110159
文献出处：
引用格式：
[1]苗晓雨;刘勇-.基于改进Faster RCNN的肺炎检测算法)[J].信息技术与信息化,2022(12):57-60
A类：
B类：
Faster,RCNN,肺炎检测,目标检测算法,医学图像,图像目标检测,检测效果,漏检,发下,改进方式,注意力机制,主干网络,深度残差网络,ResNet50,深层神经网络,两层,残差模块,特征提取能力,取到,特征图,送入,特征金字塔网络,语义信息,高语义特征,RPN,ROIs,射成,特征矩阵,终将,Align,边界框回归,mAP,检测速度,检测问题,计算机视觉
AB值：
0.37476
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。
