申请/专利权人:闽江学院
申请日:2023-04-20
公开(公告)日:2024-04-02
公开(公告)号:CN117809298A
主分类号:G06V20/69
分类号:G06V20/69;G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明涉及一种基于改进YOLOv5的宫颈病变细胞检测方法。通过图像缩放、拼接和翻转等方式进行数据增强,扩充数据集,提高网络的训练质量;并在YOLOv5网络模型基础上,通过融合图像的上下文信息来提高目标检测的精度;并为了降低计算成本,结合SwinTransformer和GCNet,前者可以有效捕获全局信息以及丰富的上下文信息,后者可以以较低的计算成本更有效地捕获远程依赖,提高宫颈病变细胞检测的性能。在几个公开数据集上的实验结果表明,本发明算法有效提升了宫颈病变细胞检测性能。
主权项:1.一种基于改进YOLOv5的宫颈病变细胞检测方法,其特征在于,在YOLOv5网络模型基础上,在主干网络的高层次特征中使用SwinTransformerBlock,同时,在网络的第3、5、7和9层中使用GCNetBlock得到更全面的上下文信息,来更宏观地获得图像特征,增强对图像中小目标的检测效果。
全文数据:
权利要求:
百度查询: 闽江学院 基于改进YOLOv5的宫颈病变细胞检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。