摘要:本文提出一种基于Faster R-CNN的肺结核病原体检测方法, 以更高的准确率和更低的漏检率检测肺结核. 首先, 通过Mosaic数据增强方法对数据集进行扩充, 提高模型泛化能力, 同时引入K-means聚类算法, 对所用数据集重新聚类来生成对的锚点初始候选框大小. 其次, 将Faster R-CNN中的原始特征提取网络替换为Res2Net, 并将其卷积核全部替换为空洞卷积, 在与原卷积相比参数量不变的情况下, 增大了感受野. 再者, 引入改进后的GC-FPN模块, 使模型在轻量化的同时更好的关注小目标信息. 最后, 引入ROI Align, 解决候选框和初始回归位置存在偏差的问题. 实验结果表明, 在公开数据集上, 改进的Faster R-CNN模型与原本的Faster R-CNN算法相比, 准确率提高了2.7%, 召回率提升了1.4%, 该算法不仅在结核图像数据集上得到了验证, 而且具有较高的准确率.