摘要：针对胃肠道息肉检查时漏诊率和误诊率较高的问题，研究了一种可用于胃肠道息肉检查的实时检测模型。首先，收集公开的胃肠道息肉图像数据，构建了一个来源广泛，种类丰富的胃肠道息肉数据集；然后，基于YOLOv8算法中的YOLOv8n模型，使用BiFPN模块替换YOLOv8n模型中的PANet模块来增强模型的特征提取能力，引入EffectiveSE注意力机制提高模型检测精度，并采用轻量级网络ShuffleNetV2，实现在保证模型检测精度的情况下，提高模型的检测速度。最终在收集到的胃肠道息肉数据集上，改进模型精确率达到96.2%，召回率达到91.6%，mAP@0.5达到96.8%， mAP@0.5:0.95达到70.8%。实验结果表明，改进模型能够更好的满足胃肠道息肉检查时的精度要求和速度要求。
文章目录
0 引 言
1 YOLOv8算法
2 YOLOv8算法改进
2.1 双向特征金字塔网络BiFPN
2.2 EffectiveSE注意力机制
2.3 轻量级网络ShuffleNetV2
3 数据集及实验环境
3.1 实验数据集
3.2 评价指标
3.3 实验环境
4 实验结果及分析
4.1 实验结果
4.2 消融实验
4.3 对比实验
5 结论
