改进YOLOv5s的堆叠医疗器械检测算法

摘要

针对医疗器械堆叠问题和提升医疗器械识别准确率，提出一种改进YOLOv5s的医疗器械检测方法。首先使用C2f模块优化YOLOv5s网络提升模型识别精度，其次在特征融合网络引入SENet，提升模型对有效信息的关注度，最后在DIOU损失函数的基础上引入Alpha交并比（α-IOU）构成α-DIOU，使边界框回归更加准确，精确定位图像中的医疗器械。实验结果表明，改进后的模型在验证集中对医疗器械的精确率、召回率、平均精度均值分别达到81.8%、93.7%、91.5%，相比于YOLOv5s模型分别提升3.2%、3.4%、4.6%。本研究方法简单有效，有望为医疗器械的检测方法提供新思路。

关键词

医疗器械 / YOLOv5s / 注意力机制 / α-DIOU / 深度学习