超越SOTA ！ YOLOv8-ResCBAM 集成注意力机制以提高检测性能 ！

文章预览

手腕创伤甚至骨折在日常生活中频繁发生，特别是在儿童中，他们占到了骨折病例的很大比例。在进行手术之前，医生通常会让病人先进行X光成像，并根据X光图像的分析来准备手术。 随着神经网络的发展，YOLO系列模型在计算机辅助诊断中的骨折检测中得到了广泛应用，其中YOLOv8模型已经取得了令人满意的结果。将注意力模块应用到神经网络中是一种有效的方法来提高模型性能。 本文提出了一种将具有resblock（ResCBAM）的卷积块注意力模块集成到原始YOLOv8网络架构中的YOLOv8-ResCBAM模型。 在GRAZPEDWRI-DX数据集上的实验结果表明，在交点与 union 阈值为0.5时的平均精确度（mAP 50）计算中，所提出的模型的平均精确度从原始YOLOv8模型的63.6%增加到65.8%，实现了最先进的效果。 代码https://github.com/RuiyangJu/Fracture_Detection_Improved_YOLOv8。 1 Introduction 手腕骨折是其中最 ………………………………