改进YOLOv5s对病理学图像中猪只小肠绒毛的检测OA北大核心CSTPCD
为解决传统小肠绒毛需要专业人员手动检测耗时耗力且存在主观性和不稳定性等问题,同时提高在复杂病理学图像中小肠绒毛检测的准确率和效率,该研究提出基于改进YOLOv5s检测复杂病理学图像下猪只小肠绒毛的方法。首先,采用串联形式的混合池化对空间金字塔进行优化,增强特征提取与特征表达,提升检测精度;然后引入一种基于注意力机制的网络模块(simpleattentionmechanism,SimAM)与Bottleneck中的残差连接相结合,使用SimAM对B…查看全部>>
王美华;王安邦;肖德琴;熊云霞;王丽;李朋涛;吴耀丰
华南农业大学数学与信息学院,广州510642华南农业大学数学与信息学院,广州510642华南农业大学数学与信息学院,广州510642农业农村部华南动物营养与饲料重点实验室,广东省农业科学院动物科学研究所,广州510642农业农村部华南动物营养与饲料重点实验室,广东省农业科学院动物科学研究所,广州510642华南农业大学数学与信息学院,广州510642华南农业大学数学与信息学院,广州510642
计算机与自动化
目标检测猪算法YOLOv5s猪只小肠绒毛病理学图像无参注意力机制
《农业工程学报》 2024 (5)
P.207-215,9
国家重点研发计划项目(2021YFD2000802)广东省级科技计划项目(2022B0202160010)广东省基础与应用基础研究基金项目(2019B1515210009)联合资助。
评论