YOLOv8-ResCBAM: YOLOv8 Based on An Effective Attention Module for Pediatric Wrist Fracture Detection

要約

手首の外傷、さらには骨折は日常生活の中で頻繁に発生し、特に骨折症例のかなりの割合を占める子供の間で発生します。
手術を行う前に、外科医は患者にまず X 線撮影を依頼し、X 線画像の分析に基づいて手術の準備をすることがよくあります。
ニューラル ネットワークの発展に伴い、You Only Look Once (YOLO) シリーズ モデルはコンピュータ支援診断の骨折検出に広く使用されており、YOLOv8 モデルは満足のいく結果を得ています。
アテンション モジュールをニューラル ネットワークに適用することは、モデルのパフォーマンスを向上させる効果的な方法の 1 つです。
この論文では、resblock と統合された畳み込みブロック アテンション モジュール (ResCBAM) を元の YOLOv8 ネットワーク アーキテクチャに組み込んだ YOLOv8-ResCBAM を提案します。
GRAZPEDWRI-DX データセットの実験結果は、提案されたモデルの交差オーバーユニオンしきい値 0.5 (mAP 50) で計算された平均平均精度が、元の YOLOv8 モデルの 63.6% から 65.8% に増加し、次の状態を達成していることを示しています。
-芸術的なパフォーマンス。
実装コードは https://github.com/RuiyangJu/Fracture_Detection_ Improvement_YOLOv8 で入手できます。

要約(オリジナル)

Wrist trauma and even fractures occur frequently in daily life, particularly among children who account for a significant proportion of fracture cases. Before performing surgery, surgeons often request patients to undergo X-ray imaging first, and prepare for the surgery based on the analysis of the X-ray images. With the development of neural networks, You Only Look Once (YOLO) series models have been widely used in fracture detection for Computer-Assisted Diagnosis, where the YOLOv8 model has obtained the satisfactory results. Applying the attention modules to neural networks is one of the effective methods to improve the model performance. This paper proposes YOLOv8-ResCBAM, which incorporates Convolutional Block Attention Module integrated with resblock (ResCBAM) into the original YOLOv8 network architecture. The experimental results on the GRAZPEDWRI-DX dataset demonstrate that the mean Average Precision calculated at Intersection over Union threshold of 0.5 (mAP 50) of the proposed model increased from 63.6% of the original YOLOv8 model to 65.8%, which achieves the state-of-the-art performance. The implementation code is available at https://github.com/RuiyangJu/Fracture_Detection_Improved_YOLOv8.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google