典型文献
改进YOLOv5的白细胞检测算法
文献摘要：
针对白细胞数据样本少、类间差别小及目标尺寸小导致的检测精度低、效果不佳等问题,提出一种基于改进YOLOv5的白细胞检测算法YOLOv5-CHE.在主干特征提取网络的卷积层中添加坐标注意力机制,以提升算法的特征提取能力;使用四尺度特征检测,重新获取锚点框,增加浅层检测尺度,来提高小目标的识别精度;改变边框回归损失函数,以提升检验框检测的准确率.实验结果表明,对比标准的YOLOv5算法,YOLOv5-CHE算法的平均精度均值(mean average precision,mAP)、精准率和召回率分别提升了3.8个百分点、1.8个百分点和1.5个百分点,验证了该算法对白细胞检测具有很好的效果.
文献关键词：
白细胞检测;YOLOv5算法;坐标注意力机制;四尺度特征检测;损失函数
中图分类号：
作者姓名：
王静;孙紫雲;郭苹;张龙妹
作者机构：
西安科技大学 通信与信息工程学院,西安 710054
文献出处：
引用格式：
[1]王静;孙紫雲;郭苹;张龙妹-.改进YOLOv5的白细胞检测算法)[J].计算机工程与应用,2022(04):134-142
A类：
类间差别,四尺度特征检测
B类：
YOLOv5,白细胞检测,检测算法,白细胞数,标尺,检测精度,CHE,主干特征提取网络,卷积层,坐标注意力机制,特征提取能力,锚点框,检测尺度,高小,小目标,识别精度,边框回归,损失函数,平均精度均值,mean,average,precision,mAP,召回率,百分点
AB值：
0.290153
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。
