CST-YOLO：基于改进YOLOv7与CNN-Swin Transformer的血细胞检测新方法
计算机视觉与模式识别
2024-10-08 v2 信号处理
应用统计
机器学习
摘要
血细胞检测是计算机视觉中典型的小尺度目标检测问题。本文提出一种基于YOLOv7架构的CST-YOLO模型用于血细胞检测，并通过CNN-Swin Transformer（CST）对其进行增强，这是CNN-Transformer融合的新尝试。我们还在CST-YOLO中引入了三个其他有用模块：加权高效层聚合网络（W-ELAN）、多尺度通道分割（MCS）和拼接卷积层（CatConv），以提升小尺度目标检测精度。实验结果表明，所提CST-YOLO在三个血细胞数据集上分别达到92.7%、95.6%和91.1%的[email protected]，优于SOTA目标检测器，例如RT-DETR、YOLOv5和YOLOv7。我们的代码见https://github.com/mkang315/CST-YOLO。
引用
@article{arxiv.2306.14590,
title = {CST-YOLO: A Novel Method for Blood Cell Detection Based on Improved YOLOv7 and CNN-Swin Transformer},
author = {Ming Kang and Chee-Ming Ting and Fung Fung Ting and Raphaël Phan},
journal= {arXiv preprint arXiv:2306.14590},
year = {2024}
}