大四统计学毕业设计：改进的YOLOv5结合实例分割

本文主要通过改进后的YOLOv5模型结合Mask R-CNN模型实现外周血细胞的计数任务，但是由于两部分算法模型是分开的两个python项目操作起来较繁琐，所以编写一个桌面应用将二者整合起来。 开发环境为Python 3.6（conda），编译器Pycharm CE 2021,程序开发工具为tkinter。

程序主要内容：

（1）输入：在程序主窗口输入所要处理的血细胞图片路径

（2）YOLOv5目标检测：将已经训练好的权重文件和预测代码嵌入程序中，点击按钮【YOLO】完成目标检测操作，并生成带有Bounding boxes的图片，不同类别血细胞数量信息将会显示在窗口右侧。

（3）粘连细胞实例分割：将训练好的Mask R-CNN权重以及相关文件嵌入，点击【Mask】按钮，对之前检测到的每一个RBC2区域进行实例分割，并且可以查看每一个区域的实例分割带掩码图片，比如下图4个按钮对应4个重叠的红细胞，点击【0】即可查看第1个重叠红细胞实例分割后的图片。