本文改进: EMA基于跨空间学习的高效多尺度注意力,以保留每个通道上的信息和降低计算开销为目标,将部分通道重塑为批量维度,并将通道维度分组为多个子特征,使空间语义特征在每个特征组中均匀分布。
EMA | 亲测在血细胞检测项目中涨点,[email protected] 从原始0.895提升至0.9
收录专栏:
YOLO医学影像检测:http://t.csdnimg.cn/N4zBP
✨✨✨实战医学影像检测项目,通过创新点验证涨点可行性;
✨✨✨入门医学影像检测到创新,不断打怪进阶;
数据来源于医疗相关数据集,目的是解决血细胞检测问题。任务是通过显微图像读数来检测每张图像中的所有红细胞(RBC)、白细胞(WBC)以及血小板 (Platelets)共三类
意义:选择该数据集的原因是我们血液中RBC、WBC和血小板的密度提供了大量关于免疫系统和血红蛋白的信息,这些信息可以帮助我们初步地识别一个人是否健康,如果在其血液中发现了任何差异,我们就可以迅速采取行动来进行下一步的诊断。然而