融合递归特征金字塔的病原微生物检测

作     者：黄志添 谢怡宁 赵晶 何勇军 HUANG Zhitian;XIE Yining;ZHAO Jing;HE Yongjun

作者机构：哈尔滨理工大学计算机科学与技术学院哈尔滨150080 东北林业大学机电工程学院哈尔滨150006 哈尔滨工业大学计算机科学与技术学院哈尔滨150006 

出 版 物：《哈尔滨理工大学学报》 (Journal of Harbin University of Science and Technology)

年 卷 期：2023年第28卷第5期

页      面：91-102页

学科分类：08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金面上项目(61673142) 黑龙江省自然科学基金杰出青年项目(JJ2019JQ0013) 

主　　题：病原微生物 目标检测 递归特征金字塔 小目标 多尺度检测 

摘      要：针对病原微生物的检测研究较少且目标尺寸相差较大、背景复杂问题,提出了一种融合递归特征金字塔的病原微生物多尺度检测方法。考虑到有些病原微生物的特征与正常细胞有一定的相似性,在YOLOv5特征提取阶段引入混合注意力模块CBAM,可以增强病原微生物的显著度,降低了病原微生物的误诊率。由于尺寸较小的病原微生物在下采样过程会丢失重要特征,在特征融合阶段使用递归特征金字塔RFP和增加小目标的检测层,可以对小目标的特征进行二次提取,丰富语义信息,提高了小目标的检出率,并在二次特征提取模块中使用深度可分离卷积DSConv替换普通卷积Conv,降低了模型的参数量,提升了性能。实验表明,本文算法在病原微生物数据集上的mAP达到了74.9%,相比基线网络YOLOv5提升了4.9%,小目标滴虫的mAP也提高了6.2%。同时在PascalVOC2007、PascalVOC2012和CDetector公开数据集上比基线网络YOLOv5分别提升了1.9%、3.1%和8%。