基于YOLOv5的黑色素瘤图像检测仿真

针对黑色素瘤疾病在临床上存在检测准确率低以及人为主观性太强等问题，提出一种改进的YOLOv5目标检测模型BiC-YOLOv5。首先设计了一种双向特征提取网络BiFPN-L3替换原模型中的特征提取网络FPN,针对不同分辨率下的特征，使用多尺度特征融合的方式提取特征；其次，在骨干网络中融合CBAM注意力模块，设计了一种C3CBAM模块从通道与空间两个层面捕获特征信息以提升检测精度；最后，使用DIOU＿loss损失函数，进一步提高模型的检测精度。通过仿真对比实现，BiC-YOLOv5的mAP值达到95.2%,相较原YOLOv5模型，精确度提高了5.2%,召回率提高了4.9%,mAP值提高了5.8%,可以有效的协助临床医学对黑色素瘤进行诊断。