MODEL / 01 · ORIENTED OBJECT DETECTION

面向标本采集标签的
YOLOv8-OBB 结构改造

从整张标本图像中定位主要采集标签,输出带角度的旋转矩形框。后续通过几何裁取与方向校正,得到供文字识别使用的标签图像。

01 / INTERACTIVE ARCHITECTURE

从整体结构,看到每一处改动

three.js 构建 · 支持模块点选与局部展开。

YOLO 自定义结构二维图
拖动旋转 · 滚轮缩放 · 点击模块查看说明分组示意 · 尺寸不按参数量缩放
主干与特征融合ASPPCBAMOBB 检测头
查看二维结构图与完整数据流包含层号、特征尺寸和连接关系的 YOLO 结构图
01 / SPPF → ASPP

多尺度上下文

1×1 卷积、不同膨胀率的 3×3 卷积与全局池化并行,拼接后投影回原通道数。

02 / + CBAM

通道与空间注意力

在 P4、P5 融合特征上,依次进行通道注意力与空间注意力,再送入检测头。

03 / P3 → P4 + P5

保留双尺度检测

去掉 P3 小目标检测分支,主干仍保留 P3 特征层。检测输出来自 40×40 和 20×20 特征图。

02 / EVALUATION

让结构与表现,放在同一个评测背景中

应用模型 · 100 轮训练

训练图像:347验证图像:50输入:640 × 640展示口径:第 100 轮验证记录
98.22%
mAP@50
94.44%
mAP@50–95
97.95%
Precision
95.60%
Recall
100轮训练过程中 mAP@50 和 mAP@50-95 的实际验证曲线
03 / DETECTION & RECTIFICATION

从旋转框,得到可读的标签图像

原始标本与实际预测旋转框
01 / 整张标本 → 主要采集标签旋转框
几何裁取和方向校正后的采集标签
02 / 几何裁取与方向校正 → OCR 输入

04 / APPLICATION SCENARIOS

为整页标本数字化提供前端输入

01

采集标签定位

处理标签倾斜、纸张方向不一及标本主体与标签共存的整页图像。

02

几何裁取与行识别

将主要采集标签转换为规则图像,为行检测、OCR 和字段抽取提供输入。

03

可视化核对

并列检查整页定位、标签裁取及原始标注,定位数字化流程中的错误来源。

05 / RESOURCES

使用与开放信息

模型结构与应用

3D 图按模型层号与连接关系分组呈现,展示主干、特征融合、注意力模块与双尺度检测头。

开放信息

模型与最佳参数文件将随论文发布公开