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。