虚交所-虚拟资产交易平台  

加关注9

　　摘要：针对胃肠道息肉检查时漏诊率和误诊率较高的问题，研究了一种可用于胃肠道息肉检查的实时检测模型。首先，收集公开的胃肠道息肉图像数据，构建了一个来源广泛，种类丰富的胃肠道息肉数据集；然后，基于YOLOv8算法中的YOLOv8n模型，使用BiFPN模块替换YOLOv8n模型中的PANet模块来增强模型的特征提取能力，引入EffectiveSE注意力机制提高模型检测精度，并采用轻量级网络ShuffleNetV2，实现在保证模型检测精度的情况下，提高模型的检测速度。最终在收集到的胃肠道息肉数据集上，改进模型精确率达到96.2%，召回率达到91.6%，mAP@0.5达到96.8%， mAP@0.5:0.95达到70.8%。实验结果表明，改进模型能够更好的满足胃肠道息肉检查时的精度要求和速度要求。

　　文章目录

　　0 引 言

　　1 YOLOv8算法

　　2 YOLOv8算法改进

　　2.1 双向特征金字塔网络BiFPN

　　2.2 EffectiveSE注意力机制

　　2.3 轻量级网络ShuffleNetV2

　　3 数据集及实验环境

　　3.1 实验数据集

　　3.2 评价指标

　　3.3 实验环境

　　4 实验结果及分析

　　4.1 实验结果

　　4.2 消融实验

　　4.3 对比实验

　　5 结论