基于改进Faster RCNN的舌部多纹理检测

为更加高效、并行地实现舌部多纹理的识别,提出一种基于Faster RCNN的改进舌部多纹理检测方法。首先,使用可变形卷积重塑主干提取网络中的卷积层并进行可变形池化,通过实际情况调整自身形状提取目标特征,以降低漏检率;其次,引入注意力机制scSE,通过增强有意义特征提高纹理表达能力;在目标相互掺杂且目标尺度差异较大的背景下,使用加权双向特征金字塔网络进行特征融合,以提升目标检测的准确率,最后进行迁移学习。实验结果显示该方法使所有类别平均精度达到0.935,较原始Faster RCNN模型提高了0.457,说明改进后的模型能有效解决目标掺杂和多尺度差异问题,具有较高的检测精度。