摘要
本发明提供一种微核图像深度学习检测模型的训练方法,包括:根据微核图像数据库中筛选得到若干微核图像,用于构建基础数据库;基于目标医院系统采集若干微调图像,用于构建微调数据库;对基础数据库和微调数据库进行标注,并进行数据增强,得到基础数据集和微调数据集;以PyTorch神经网络库为基础搭建深度学习模型框架,采用改进的YOLOv11s模型构建初始微核检测模型,改进的YOLOv11s模型在颈部网络中加入有MSAA模块;采用基础数据集和微调数据集依次对初始微核检测模型进行训练,得到目标微核检测模型。本发明能够降低对标注数据的需求,实现对模型识别能力的迁移,并确保训练模型的性能,适配实际需求。
技术关键词
图像深度学习
模块
滤波器
上采样
网络
通道
医院系统
深度学习模型
基础
数据
过滤器
检测头
注意力
彩色图像
饱和度
对象
框架
镜像
亮度