簡易精神状態検査（CMMSE）量表における「三段階指示」の手動評価は、評価者間および同一評価者内でのばらつきがあり、かつプロセスに時間を要するため、本研究ではMLC-YOLOに基づく物体検出法を提案し、該当動作の自動かつ正確な検出を目指す。まず、人間の主要部位と紙に対して多段階分類の物体検出を行い、同種の最大信頼度選択により後処理を簡略化し、同種物体の唯一性を保証する。次に、自適応空間チャネルデカップリングモジュールを設計し、高効率のダウンサンプリングを実現する。さらに、C3にゴースト畳み込みとウェーブレット変換を導入し、多尺度特徴抽出の効率と能力を向上させる。最後に、小物体検出層に空間およびチャネルの協調的注意機構を導入し、複雑なシーンにおける精度と再現率を向上させる。実験結果は、本手法のmAP95が61.8％に達し、元のモデルに比べ5.6％向上し、パラメータ数は51.52％削減されたことを示し、本手法の有効性を証明し、唯一性かつ多段階分類の物体検出問題に新たなアプローチを提供し、MMSEにおける「三段階指示」の自動採点に有効な物体検出法を提供する。

深層学習;物体検出;多段階分類;軽量ネットワーク