科研之友
微信
新浪微博
Facebook
分享链接
摘要
为更加高效、并行地实现舌部多纹理的识别，提出一种基于Faster RCNN的改进舌部多纹理检测方法。首先，使用可变形卷积重塑主干提取网络中的卷积层并进行可变形池化，通过实际情况调整自身形状提取目标特征，以降低漏检率；其次，引入注意力机制scSE，通过增强有意义特征提高纹理表达能力；在目标相互掺杂且目标尺度差异较大的背景下，使用加权双向特征金字塔网络进行特征融合，以提升目标检测的准确率，最后进行迁移学习。实验结果显示该方法使所有类别平均精度达到0.935，较原始Faster RCNN模型提高了0.457，说明改进后的模型能有效解决目标掺杂和多尺度差异问题，具有较高的检测精度。
- 单位
