RCS-YOLO：一种用于脑肿瘤检测的快速高精度目标检测器
计算机视觉与模式识别
2023-10-04 v2 信号处理
应用统计
机器学习
摘要
凭借在速度和精度之间的优异平衡，前沿的YOLO框架已成为目标检测最高效的算法之一。然而，使用YOLO网络在脑肿瘤检测中的性能鲜有研究。我们提出了一种基于通道混洗的重参数化卷积（RCS-YOLO）的新型YOLO架构。我们提出RCS和RCS的一次性聚合（RCS-OSA），将特征级联与计算效率相关联，以提取更丰富的信息并减少时间消耗。在脑肿瘤数据集Br35H上的实验结果表明，所提模型在速度和精度上均超越YOLOv6、YOLOv7和YOLOv8。值得注意的是，与YOLOv7相比，RCS-YOLO的精度提升1%，推理速度提升60%，达到每秒检测114.8张图像（FPS）。我们提出的RCS-YOLO在脑肿瘤检测任务上取得了最先进的性能。代码可在 https://github.com/mkang315/RCS-YOLO 获取。
引用
@article{arxiv.2307.16412,
title = {RCS-YOLO: A Fast and High-Accuracy Object Detector for Brain Tumor Detection},
author = {Ming Kang and Chee-Ming Ting and Fung Fung Ting and Raphaël C. -W. Phan},
journal= {arXiv preprint arXiv:2307.16412},
year = {2023}
}