一种基于改进YOLOv8的儿童手腕骨折图像检测方法

本发明涉及一种基于改进YOLOv8的儿童手腕骨折图像检测方法，属于计算机视觉领域。首先提出了一种全新的自适应混合特征增强模块(AHF)，并将其集成到YOLOv8的Neck网络中；其次，在Backbone网络中引入了感受野注意力卷积操作(RFAConv)，利用空间注意力机制共享卷积核参数；然后，引入了焦点损失(Focal Loss)，通过将原有的二分类交叉熵损失与焦点损失相结合，并对两种损失函数进行加权融合，最后，对检测模型进行训练，得到最终的训练权重。本发明提出的模型能够有效提升对儿童手腕骨折的检测性能，在提高检测的平均精度的同时降低模型的计算量以及目标漏检误检的概率。