摘要
本发明的一种基于改进YOLO算法的图像检测方法,包括:收集具有病灶的核磁共振图像;构建目标检测网络模型:基于YOLOv8的基本框架改进,改进后的主干网络包括C2f模块、卷积模块、改进的多通道空间金字塔池化模块SPPMC,增强图像特征提取能力;改进后的颈部网络包括上采样层、拼接层、C2f模块、卷积层和嵌入的注意力机制UECA模块,进行多尺度的特征图融合,提高特征融合效率;改进后的头部网络采用改进的边界框回归损失函数L(iS‑IoU),加快所述模型的收敛速度,提高定位精度;将训练图像集输入所述目标检测网络模型中进行训练;使用训练好的目标检测网络模型进行图像病灶检测。本发明具有有效提高目标检测模型的鲁棒性和检测性能的特点。
技术关键词
检测网络模型
YOLO算法
图像检测方法
空间金字塔池化
注意力机制
图像特征提取
网络架构
子模块
卷积模块
坐标
多通道
sigmoid函数
生成特征
图像检测系统
特征金字塔网络
多尺度
图像特征信息
系统为您推荐了相关专利信息
芯片表面缺陷
多尺度特征融合
网络训练方法
预测特征
解码器
多层次特征融合
点云特征
多层次特征提取
编码特征
补全方法
滑坡位移预测方法
滑坡预测模型
滑坡地表
门控循环单元
多头注意力机制
异常检测方法
重构误差
关分析方法
数据预测模型
变压器运行数据