目的:为解决人脸口罩识别中边缘和移动端设备存储与计算资源受限的问题,提出一种基于YOLOv5轻量化网络的人脸口罩识别方法。方法:选取由主干网络(Backbone)、颈部模块(Neck)和头部模块(Head)组成的YOLOv5模型作为基础框架。首先,使用Shu...目的:为解决人脸口罩识别中边缘和移动端设备存储与计算资源受限的问题,提出一种基于YOLOv5轻量化网络的人脸口罩识别方法。方法:选取由主干网络(Backbone)、颈部模块(Neck)和头部模块(Head)组成的YOLOv5模型作为基础框架。首先,使用ShuffleNetv2轻量化网络对Backbone部分进行修改替换;其次,在Neck部分引入Ghost模块和C3_S模块;最后,为提升检测精度,融入卷积块注意力模块(convolutional block attention module,CBAM),形成Shuffle_Yolo_GS_CBAM模型。选用AIZOO数据集训练和验证模型,通过平均精度均值(mean average precision,mAP)、每秒传输帧数(frames per second,FPS)、每秒10亿次的浮点运算数(giga floating-point operations per second,GFLOPS)和参数量评估模型对人脸口罩的识别效果。结果:该模型识别人脸口罩的mAP为89.5%,FPS为158.7帧/s,参数量和GFLOPS分别为2.38 M和4.5 GFLOPS。与YOLOv5s相比,虽然检测精度略有下降,但检测速度提升了39.7%,模型参数量减少了67.3%,模型运算量减少了73.8%。结论:提出的方法在提高检测速度、减少参数量和计算量、保障检测精度方面表现良好,适合部署在边缘和移动端设备上进行人脸口罩识别。展开更多
恶性间皮瘤主要起源于间皮细胞,好发于胸、腹膜等部位,极少发生于睾丸鞘膜。据统计,睾丸鞘膜恶性间皮瘤(malignant mesothelioma of the tunica vaginalis testis,MMTVT)的发病率占比不到间皮瘤总发病率的1%[1]。该病罕见,缺乏特异性临...恶性间皮瘤主要起源于间皮细胞,好发于胸、腹膜等部位,极少发生于睾丸鞘膜。据统计,睾丸鞘膜恶性间皮瘤(malignant mesothelioma of the tunica vaginalis testis,MMTVT)的发病率占比不到间皮瘤总发病率的1%[1]。该病罕见,缺乏特异性临床表现及影像学特征,术前易误诊,故临床医生应对该病保持关注。近期遵义医科大学附属医院收治1例睾丸鞘膜恶性间皮瘤,现将其诊治过程报道如下。展开更多
文摘目的:为解决人脸口罩识别中边缘和移动端设备存储与计算资源受限的问题,提出一种基于YOLOv5轻量化网络的人脸口罩识别方法。方法:选取由主干网络(Backbone)、颈部模块(Neck)和头部模块(Head)组成的YOLOv5模型作为基础框架。首先,使用ShuffleNetv2轻量化网络对Backbone部分进行修改替换;其次,在Neck部分引入Ghost模块和C3_S模块;最后,为提升检测精度,融入卷积块注意力模块(convolutional block attention module,CBAM),形成Shuffle_Yolo_GS_CBAM模型。选用AIZOO数据集训练和验证模型,通过平均精度均值(mean average precision,mAP)、每秒传输帧数(frames per second,FPS)、每秒10亿次的浮点运算数(giga floating-point operations per second,GFLOPS)和参数量评估模型对人脸口罩的识别效果。结果:该模型识别人脸口罩的mAP为89.5%,FPS为158.7帧/s,参数量和GFLOPS分别为2.38 M和4.5 GFLOPS。与YOLOv5s相比,虽然检测精度略有下降,但检测速度提升了39.7%,模型参数量减少了67.3%,模型运算量减少了73.8%。结论:提出的方法在提高检测速度、减少参数量和计算量、保障检测精度方面表现良好,适合部署在边缘和移动端设备上进行人脸口罩识别。
文摘恶性间皮瘤主要起源于间皮细胞,好发于胸、腹膜等部位,极少发生于睾丸鞘膜。据统计,睾丸鞘膜恶性间皮瘤(malignant mesothelioma of the tunica vaginalis testis,MMTVT)的发病率占比不到间皮瘤总发病率的1%[1]。该病罕见,缺乏特异性临床表现及影像学特征,术前易误诊,故临床医生应对该病保持关注。近期遵义医科大学附属医院收治1例睾丸鞘膜恶性间皮瘤,现将其诊治过程报道如下。
