1.完整项目描述和程序获取
>面包多安全交易平台:https://mbd.pub/o/bread/ZZ6TlZ9s
>如果链接失效，可以直接打开本站店铺搜索相关店铺：
>如果链接失效，程序调试报错或者项目合作也可以加微信或者QQ联系。
2.部分仿真图预览
3.算法概述
基于YOLOv2的细胞检测系统是一种利用深度学习技术，特别是卷积神经网络（CNN），对显微镜图像中的细胞进行自动定位和识别的计算机视觉应用。YOLO（You Only Look Once）是一种单阶段的目标检测算法，其第二版（YOLOv2）在原版的基础上进行了诸多改进，提高了检测精度和速度。YOLOv2采用了Darknet-19作为其主干网络，这是一种深度残差网络（ResNet）变体，由19个卷积层组成。
4.部分源码
................................................................
sidx = randperm(size(FACES,1));% 打乱数据集索引
idx = floor(0.75 * length(sidx));% 将75%的数据用作训练集
train_data = FACES(sidx(1:idx),:);% 选取训练集
test_data = FACES(sidx(idx+1:end),:);% 选取测试集
% 图像大小
image_size = [224 224 3];
num_classes = size(FACES,2)-1;% 目标类别数量
anchor_boxes = [% 预定义的锚框大小
43 59
18 22
23 29
84 109
];
% 加载预训练的 ResNet-50 模型
load mat\Resnet50.mat
% 用于目标检测的特征层
featureLayer = 'activation_40_relu';
% 构建 YOLOv2 网络
lgraph = yolov2Layers(image_size,num_classes,anchor_boxes,Initial_nn,featureLayer);
options = trainingOptions('sgdm', ...
'MiniBatchSize', 8, ....
'InitialLearnRate',1e-4, ...
'MaxEpochs',200,...
'CheckpointPath', Folder, ...
'Shuffle','every-epoch', ...
'ExecutionEnvironment', 'gpu');% 设置训练选项
% 训练 YOLOv2 目标检测器
[detector,info] = trainYOLOv2ObjectDetector(train_data,lgraph,options);
save model.mat detector
0Y_022m
---
