Feb, 2024

YOLOv8-AM：用于儿科腕部骨折检测的 YOLOv8 与注意力机制

PDF
TL;DR使用改进的 YOLOv8-AM 模型，结合注意力机制，通过对断骨检测的实验结果，证明了该模型在改进性能方面的先进性。
发现论文，激发创造
  • 儿童腕部外伤 X 射线图像的 YOLOv9 骨折检测

    该研究将 YOLOv9 算法模型应用于骨折检测任务，以帮助放射科医师和外科医生解释 X 射线图像，实验证明 YOLOv9 模型在性能上比当前最先进模型提高了 3.7%。

    Mar, 2024

  • 使用 YOLOv8 算法检测儿童腕部骨折 X 射线图像

    本文研究了如何使用 YOLOv8 算法从 X 光图像中检测儿童手腕骨折，并通过实验结果展示了该算法在不同模型大小上取得了不同的优势，其中 YOLOv8l 模型的平均精度最高（63.6%），而 YOLOv8n 模型在单个 CPU 上的推理时间只需 67.4 毫秒，并创建了 “使用 YOLOv8 应用程序进行骨折检测”，以协助外科医生解释 X 光图像中的骨折，降低误诊概率，并为骨折手术提供更多有用信息。

    Apr, 2023

  • 融合注意力特征金字塔网络的焊点缺陷检测中的 YOLO 算法

    为了提高生产制造过程中焊点缺陷检测的准确性和降低计算成本，本研究提出了一种混合关注机制，该机制由增强的多头自注意力和坐标注意力机制组成，能够提高网络感知上下文信息和学习局部特征的能力，从而使焊点缺陷检测的均方平均精度（mAP）达到 91.5%，比其他版本的算法要高。同时，在满足实时检测要求的前提下，也对平均精度、精确率、召回率和帧每秒指标进行了改善。

    Jan, 2024

  • 注意力增强网络与增强的泛化性能更好的 YOLO 算法在安全头盔检测中的应用

    在这项研究中，我们利用基于 Yolo 的模型用于安全头盔检测，在减少参数和 Flops 计数超过 25% 的同时，实现了 2% 的 mAP 性能改进。我们采用了 GhostNetv2 作为轻量级特征提取网络骨干，并结合了空间通道注意力网络 (SCNet) 和坐标注意力网络 (CANet) 等注意力模块，采用梯度规范感知优化器 (GAM) 提高了模型的泛化能力。本研究针对安全关键环境中头盔的准确检测和速度，在提高准确性的同时，改善了模型适应真实环境的能力。实验结果强调了 GhostNetv2、注意力模块和 GAM 优化器的协同效应，为安全头盔检测提供了一个全面的框架，达到了在准确性、泛化性和效率方面的卓越性能。

    May, 2024

  • YOLOv8 中的全局上下文建模用于儿童腕部骨折检测

    深度学习在儿童尺骨骨折检测中的应用研究，通过 YOLOv8+GC 模型对 X 射线图像进行分析与诊断，提高了模型性能达到国际先进水平。

    Jul, 2024

  • 基于改进的 YOLOv8 的分心驾驶行为目标检测方法研究

    通过在 YOLOv8 模型中集成 BoTNet 模块、GAM 注意机制和 EIoU 损失函数，优化了特征提取和多尺度特征融合策略，简化了训练和推断过程，显著提高了检测的准确性和效率，实验结果表明改进模型在检测速度和准确性方面表现出色，能够实时识别和分类分心驾驶行为，提供及时警示，增强驾驶安全。

    Jul, 2024

  • BGF-YOLO: 基于多尺度注意力特征融合的改进 YOLOv8 用于脑肿瘤检测

    该论文介绍了一种新颖的 BGFG-YOLO 架构，通过将 Bi-level Routing Attention（BRA）、Generalized feature pyramid networks（GFPN）、Forth detecting head 和 Generalized-IoU（GIoU）bounding box regression loss 结合到 YOLOv8 中，实现了对自动脑肿瘤检测的高准确性。实验结果显示，与 YOLOv8x 相比，BGFG-YOLO 在脑肿瘤检测数据集 Br35H 上的 mAP50 绝对增加了 3.4％，达到了 state-of-the-art 水平。

    Sep, 2023

  • YOLOSA 基于 2D 局部特征叠加自注意力的物体检测

    通过使用新颖的自注意力模块，将全局特征反映到局部特征和局部接受域，以及优化解耦头和 AB-OTA，我们提出的模型在大中小型模型上能够实现 49.0%（71FPS，14ms），46.1%（85FPS，11.7ms）和 39.1%（107FPS，9.3ms）的平均精度，超过了 YOLOv5 0.8%-3.1% 的平均精度。

    Jun, 2022

  • 基于注意力机制的卫星监测海洋垃圾检测

    通过结合 YOLOv7 的实例分割和不同的注意机制，本研究在卫星图像中探讨了寻找海洋垃圾的最佳模型，并发现 CBAM 在探测海洋垃圾方面具有最佳适用性。

    Jul, 2023

  • 基于改进 YOLOv5 的口罩佩戴物体检测算法

    基于 YOLOv5l 模型，本文提出了一种基于口罩佩戴的人脸检测模型。通过多头注意力自卷积和 Swin Transformer Block 的引入，提高了模型的检测准确性和收敛速度，并通过设计的 I-CBAM 模块和特征融合方法改善了不同尺度目标检测任务。实验证明，相比 YOLOv5l 模型，在 MASK 数据集上，本文模型的 mAP (0.5) 提升了 1.1%，mAP (0.5:0.95) 提升了 1.3%。本文提出的方法显著提升了口罩佩戴的检测能力。

    Oct, 2023