典型文献
基于YOLOv4-tiny模型的细胞图像识别技术研究
文献摘要：
根据细胞的形态特征进行病理分析是现代医疗健康领域常用的技术手段,传统的细胞识别及分类存在易疲劳、效率低、医师水平及主观因素带来的不确定性等问题.为此,提出基于YOLOv4-tiny模型的细胞图像识别技术.在Jetson Nano人工智能平台上设计开发了面向细胞的智能检测系统,通过加入Dropout改进了YOLOv4-tiny轻量化网络模型,有效防止了训练数据过度拟合的问题,实现了基于细胞形状特征的精准识别.实验结果表明,该系统的细胞检测准确率可高达99％,能够大幅提高细胞在显微镜下的检测精度及检测效率,促进了人工智能技术在医学检测领域的应用.
文献关键词：
细胞图像识别;YOLOv4-tiny模型;智能检测;目标识别;网络模型改进;病理分析
中图分类号：
作者姓名：
柴媛媛
作者机构：
中国人民武装警察部队 后勤学院 基础部,天津 300309
文献出处：
引用格式：
[1]柴媛媛-.基于YOLOv4-tiny模型的细胞图像识别技术研究)[J].现代电子技术,2022(09):46-49
A类：
细胞图像识别
B类：
YOLOv4,tiny,图像识别技术,识别技术研究,病理分析,现代医疗,医疗健康领域,类存在,主观因素,Jetson,Nano,人工智能平台,设计开发,智能检测系统,Dropout,轻量化网络,训练数据,过度拟合,形状特征,精准识别,检测准确率,显微镜下,检测精度,检测效率,检测领域,目标识别,网络模型改进
AB值：
0.361389
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。
