基于YOLO框架的血细胞自动计数研究

• 作者: 孙亚东 徐晓涛 章军
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 血液检验 血细胞计数 深度学习 目标检测 YOLO
• 年，卷（期）: 2020,（14）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 98-103
• 页数: 6页
• 分类号: TP391.41
• 字数: 4121字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1904-0268

摘要

血细胞检测和计数是血液检验中的一项重要内容,大量细胞显微图像形态多样、目标较小且背景复杂,自动识别血细胞仍然是一项具有挑战性的任务.为解决血细胞检测中复杂小目标识别问题,基于一阶段深度检测YOLO框架,提出了一种新颖的YOLO-Dense网络模型.通过使用K-means算法对锚框进行聚类,获得三种不同大小的潜在待识别目标的锚框,并在YOLO基础网络中引入残差模块和特征金字塔的多尺度模块,以提高对小目标的识别精度;通过跳层连接进行残差训练,有效解决深度网络梯度弥散和爆炸等问题;通过在网络架构中增加密集连接模块,使得提出的模型能够有效提升网络推断速度.实验结果表明:YOLO-Dense网络均值平均精度mAP和检测时间分别为0.86和24.9 ms.相比Faster R-CNN和原始的YOLO网络,YOLO-Dense模型在血细胞检测上取得了最好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	章军	安徽大学电气工程与自动化学院	10	2	1.0	1.0
2	徐晓涛	安徽大学电气工程与自动化学院	1	0	0.0	0.0
3	孙亚东	安徽大学电气工程与自动化学院	1	0	0.0	0.0