为了简化查阅焊缝DCM(DICOM)图像时调整窗位窗宽的步骤,提出了Adaptive-MINMAX(Adaptive Min-Max)算法。该算法处理的焊缝图像有较高的可读性,并基于该方法建立了一个焊缝缺陷数据集。随后,对YOLOv8s(You Only Look Once Version 8-sma...为了简化查阅焊缝DCM(DICOM)图像时调整窗位窗宽的步骤,提出了Adaptive-MINMAX(Adaptive Min-Max)算法。该算法处理的焊缝图像有较高的可读性,并基于该方法建立了一个焊缝缺陷数据集。随后,对YOLOv8s(You Only Look Once Version 8-small)进行改进,提出了GU-YOLO(Global Upper Yolo)模型。通过更换主干网络的卷积模块为UpperConv,在其输出中增加了二次卷积结果,增强了网络提取小目标特征的能力;设计了GAMDetect(Global Attention Mechanism Detect)检测头部,在Detect模块中添加GAM注意力机制,以突出目标并抑制背景信息。实验结果显示,GU-YOLO在自建的缺陷数据集上获得的AP、AR、F1_score、mAP50指标分别提升了1.3百分点、13.9百分点、7.9百分点、15.3百分点,与其他相关模型相比,表现出较强的竞争力。展开更多
文摘为了简化查阅焊缝DCM(DICOM)图像时调整窗位窗宽的步骤,提出了Adaptive-MINMAX(Adaptive Min-Max)算法。该算法处理的焊缝图像有较高的可读性,并基于该方法建立了一个焊缝缺陷数据集。随后,对YOLOv8s(You Only Look Once Version 8-small)进行改进,提出了GU-YOLO(Global Upper Yolo)模型。通过更换主干网络的卷积模块为UpperConv,在其输出中增加了二次卷积结果,增强了网络提取小目标特征的能力;设计了GAMDetect(Global Attention Mechanism Detect)检测头部,在Detect模块中添加GAM注意力机制,以突出目标并抑制背景信息。实验结果显示,GU-YOLO在自建的缺陷数据集上获得的AP、AR、F1_score、mAP50指标分别提升了1.3百分点、13.9百分点、7.9百分点、15.3百分点,与其他相关模型相比,表现出较强的竞争力。
