买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江南大学;无锡市人民医院

摘要：本发明公开了一种基于增强特征融合的改进YOLOv4疟原虫检测方法，属于图像处理与医学的交叉领域。所述方法从增强模型特征提取与特征融合能力的角度对YOLOv4模型进行改进，设计MAFM模块代替SPP模块，使用空洞卷积增强多尺度特征提取能力，引入坐标注意力模块获取更有利于分类与回归任务的特征；设计AFFM模块替代拼接操作，结合通道注意力与空间注意力增强不同层级特征图的融合能力，减少特征损失与冗余；使用SIoU作为回归损失函数，通过考虑真实框与预测框的角度损失，加快模型的收敛速度。所提出的疟原虫检测方法在背景复杂、细胞重叠等场景及图片边缘处的疟原虫检测具有更好的效果，mAP可以达到98.42％。

主权项：1.一种基于增强特征融合的改进YOLOv4疟原虫检测方法，其特征在于，所述方法包括：步骤1：准备数据集，将标注后的疟原虫细胞图像数据集划分训练集、验证集与测试集；步骤2：构建具有增强特征融合特点的改进YOLOv4网络，包括骨干特征提取网络Backbone、特征融合网络Neck、检测头Head三部分，其中选取CSPDarkNet53作为骨干特征提取网络；步骤3：在骨干特征提取网络之后设计一个多尺度特征聚合模块替代YOLOv4中的空间金字塔池化模块；步骤4：在颈部网络中，设计注意力特征融合模块代替原来的拼接操作；所述注意力特征融合模块包括两个通道注意力模块CAM和一个空间注意力模块SAM；步骤5：使用SIoU作为回归损失函数，通过考虑真实框与预测框之间的角度损失，重新构建距离惩罚函数；步骤6：利用步骤1准备的训练集对改进YOLOv4网络进行训练，使用k-means算法生成新的anchor大小，并扩增样本；步骤7：将测试集中的疟原虫细胞图像输入训练得到的最佳模型进行测试，获取疟原虫细胞图像的可视化检测结果；步骤8：采用训练得到的最佳模型对待检测的人体血液细胞图像进行检测以确定对应的人体血液细胞样本中是否含有疟原虫以及统计疟原虫的数量；所述步骤3包括：步骤3.1，对于输入为的特征图，经过扩张率为6、12、18的三个空洞卷积处理之后，得到三个特征图F1、F2与F3，将这三个特征图拼接得到新的特征图F123： 其中表示张量的拼接操作，步骤3.2，将特征图F123分别在宽度和高度两个方向进行全局平均池化；然后将进行全局平均池化后的两个特征图宽和高转置到同一个维度进行堆叠；之后再次分成两个并行阶段，利用1×1卷积调整通道数后再经过sigmoid激活函数获得宽高维度上的注意力情况，与输入相乘得到相应的特征；将F123与CA注意力获取的注意力权重点乘得到新的特征图F′，并与输入Fin进行拼接得到特征图，然后再通过1×1卷积调整通道数，得到最终的输出Fout： 式中表示拼接操作，F1×1表示1×1卷积操作；所述步骤4包括：步骤4.1，将骨干特征提取网络得到的高层特征图FH∈RC×H×W与低层特征图FL∈RC×H×W分别经过通道注意力得到相应的通道注意力权重FC1∈RC×1×1与FC2∈RC×1×1，然后将两个输入与各自的通道注意力权重在垂直方向进行点乘操作，对得到的两个特征图进行拼接输出新的特征图FC∈R2C×H×W： 步骤4.2，对得到的新特征图在垂直方向进行压缩，得到空间注意力权重FS∈RC×1×W，并在水平方向上进行点乘操作，来调整融合特征的空间分布得到AFFM最终的输出FM，其表达式为： 式中表示点乘操作。

全文数据：

权利要求：

百度查询： 江南大学 无锡市人民医院 基于增强特征融合的改进YOLOv4疟原虫检测方法