基于 YOLOv5 网络的 CT 图像 COVID-19 检测
图像与视频处理
2022-01-26 v1 计算机视觉与模式识别
机器学习
摘要
计算机辅助诊断（CAD）可提高诊断效率，帮助医生快速且自信地做出诊断，在 COVID-19 的治疗中发挥了重要作用。在本任务中，我们解决异常检测与分类问题。数据集由 Kaggle 平台提供，我们选择 YOLOv5 作为模型。在相关工作部分，我们介绍了目标检测的一些方法，目标检测可分为两类：单阶段和两阶段。代表性模型为 Faster RCNN 与 YOLO 系列。随后我们详细描述了 YOLOv5 模型。对比实验与结果在第四节展示。我们选用平均精度均值（mAP）作为实验指标，mAP（均值）越高，模型结果越好。我们的 YOLOv5s 的 [email protected] 为 0.623，分别比 Faster RCNN 和 EfficientDet 高出 0.157 和 0.101。
引用
@article{arxiv.2201.09972,
title = {COVID-19 Detection Using CT Image Based On YOLOv5 Network},
author = {Ruyi Qu and Yi Yang and Yuwei Wang},
journal= {arXiv preprint arXiv:2201.09972},
year = {2022}
}