基于改进Faster RCNN的肺炎检测算法

摘要

针对已有的目标检测算法对于医学图像目标检测效果差、精度低、漏检等问题,在Faster RCNN及其他目标检测算法的启发下,提出一种以Faster RCNN为基线的改进方式-基于注意力机制的肺炎检测算法。首先,在主干网络方面,采用深度残差网络ResNet50,以减轻深层神经网络对训练带来的影响。同时在主干网络ResNet50的后两层引入注意力残差模块,从而提升主干网络的特征提取能力。然后将提取到的特征图送入特征金字塔网络中,来加强特征图的语义信息,使得提取到的特征图能够保持高语义,包含更多的特征。接着将高语义特征图送入RPN网络,产生多个ROIs并将特征图映射成特征矩阵。最终将特征矩阵经过ROI Align模块后进行分类和边界框回归。实验结果表明,文章改进的目标检测算法对新冠肺炎X光片的检测mAP可达53.6,与原始Faster RCNN基线相比,提升接近2点,检测速度相对较快,可以有效地进行新冠肺炎的检测问题。