基于改进YOLOv5的眼底出血点检测算法

摘要

糖尿病视网膜病变眼底图像中出血点病灶尺寸小且分布密集，导致现有算法难以实现该病灶的精确检测及定位。本文提出一种RCA-YOLO出血病灶检测算法，算法在YOLOv5s基础上，首先在主干网络中使用RCA-Net模块，使网络在获得各通道间联系的同时保留目标病灶的位置信息，增强网络对出血区域的特征提取及定位能力；然后在特征融合阶段采用轻量化特征金字塔网络Tiny-BiFPN,在减少网络参数量的同时，实现高效率的多尺度特征融合；最后提出小目标特征增强模块，提升算法对小出血点病灶的检测精度。实验结果表明，改进后的RCA-YOLO算法能够准确地检测并定位出血点病灶，平均检测准确率(mAP)可达79.3%,较YOLOv5s算法提高了9.5个百分点，其检测结果同样优于Faster R-CNN、YOLOv6s、YOLOv7和YOLOv8s等主流算法。

关键词

眼底图像 / 糖尿病视网膜病变 / 目标检测 / 出血病灶 / 特征融合