基于深度学习的疟疾检测

针对疟疾检测方法中的模型存在训练时间过长,权重参数冗余等问题,用疟疾数据集从头开始训练,更改输入图像的大小,直接对ResNet-50网络的深度和宽度进行缩减,研究采用深度学习技术快速、准确地检测疟疾。该方法缩短了模型训练时间,提高了疟疾分类精确度,缩小了模型权重参数大小。

一种轻量化SAR图像舰船目标斜框检测方法

针对目前基于深度学习的合成孔径雷达(SAR)图像舰船目标斜框检测方法难以满足实时化检测需求的问题,提出了一种轻量化SAR舰船目标斜框检测方法。该方法基于无锚框框架,设计了轻量化的网络结构,对模型参数量和运行速度进行了优化,可直接从头训练。同时,为解决基于角度回归的斜框参数表示方法存在的角度敏感性问题,提出了基于旋转向量的斜框参数表示方法。在公开的SAR图像舰船目标检测数据集上的实验结果表明,所提方法在无需预训练的情况下取得了与迁移学习方法相近的检测精度,模型参数量和运行速度取得了最优结果,充分验证了所提方法的有效性。