CAF-YOLO，融合卷积与Transformer优势，微小物体的高精度检测 ！（附论文和源码）

文章预览

以下 文 章来源于微信公众号：集智书童 作者：小书童 链接：https://mp.weixin.qq.com/s/hYyNlLgWaSNYurHIOM3aJA 本文仅用于学术分享，如有侵权，请联系 后 台作删文处理 导读 主流的深度学习模型常常在通用视觉领域表现良好，然而在医学图像的病变识别和定位都缺乏必要的精确度，无法检测到微小细胞。对此本文介绍一种基于YOLOv8架构的CAF-YOLO方法，该方法通过在多个尺度上提取特征来提高多尺度信息汇聚，在BCCD和LUNA16数据集上表现出优异的性能！ 论文链接： https://arxiv.org/html/2408.01897v1 代码链接： https://github.com/xiaochen925/CAF-YOLO 在生物医学图像分析中，目标检测尤为重要，尤其是在病变识别方面。尽管目前的方法在识别和定位病变方面表现出色，但往往缺乏必要的精确性，无法检测到微小的生物实体（如异常细胞，小于3毫米的肺结节），这在血液和肺部 ………………………………