基于YOLOv8的PCB缺陷检测算法，加入一种基于内容引导注意力(CGA)的混合融合方案（一）
💡💡💡本文内容：针对基于YOLOv8的PCB缺陷检测算法进行性能提升，加入各个创新点做验证性试验。
1）提出了一种基于内容引导注意力(CGA)的混合融合方案，mAP@0.5由原始的0.966提升至0.975
1.PCB缺陷检测数据集介绍
印刷电路板（PCB）瑕疵数据集是一个公共的合成PCB数据集，6种缺陷（缺失孔，鼠咬伤，开路，短路，杂散，伪铜），用于检测、分类和配准任务。我们选取了其中适用于检测任务的693张图像，然后进行一倍数据扩充得到1386张
细节图：
类别分布情况：
2.基于YOLOv8的PCB缺陷检测
2.1 原始结果
原始mAP为0.966
推理结果
2.2 一种基于内容引导注意力(CGA)的混合融合方案
特征融合创新 | 一种基于内容引导注意力(CGA)的混合融合，实现暴力涨点 | IEEE TIP 2024 浙大
💡💡💡创新点：提出了一种基于内容引导注意力(CGA)的混合融合方案，将编码器部分的低级特征与相应的高级特征有效融合。
💡💡💡如何跟YOLOv8结合：将backbone和neck的特征融合，改进结构图如下
mAP@0.5由原始的0.966提升至0.975
3.系列篇
1）加入一种基于内容引导注意力(CGA)的混合融合方案
2） 广义高效层聚合网络（GELAN） 来自YOLOv9
3）一种基于YOLOv8的高精度PCB缺陷检测算法（原创自研）
关注下方名片点击关注，源码获取途径。
关注下方名片点击关注，源码获取途径。
关注下方名片点击关注，源码获取途径。