针对在皮肤黑色素瘤目标检测中出现精度低、漏检率高等问题,提出了一种基于改进YOLOv7的皮肤良恶性病变检测算法。首先,在头部网络中,采用GSConv卷积结构代替网络模型中的普通卷积结构,降低模型权重,提升对皮肤良恶性病变的检测精度;其次,在骨干网络中融合SE(squeeze and excitation)注意力机制,以提升对皮肤病变的特征提取能力;最后,利用EIOU损失函数代替CIOU损失函数,进一步提高检测精度。实验表明,经过改进后的YOLOv7模型在皮肤良恶性病变数据集上的平均检测精度均值@0.5(mean average precision@0.5,mAP@0.5)达到了90.9%、精确度为89.1%,较YOLOv7模型平均检测精度均值提升了4.4%、精确度提升了11.0%、运行参数较YOLOv7降低了11.6%。所提出的改进的YOLOv7模型能够很好地识别良恶性病变,能够更好地辅助医生诊断。
