YOLOv11-TDSP:口腔全景片的轻量化高精度异常牙检测模型

摘要

目的 为解决口腔全景片中异常牙识别在目标检测方面的不足，通过对基准模型YOLOv11n进行优化，提出YOLOv11-TDSP模型。方法 融合SHSA单头注意力机制与backbone层的C2PSA，形成新的C2PSA＿SHSA注意力机制，通过部分输入通道运用单头注意力，削减计算冗余，提升模型效率与检测准确性。在head层增设小目标检测层，解决小目标易漏检、误检的难题。实施两次结构化剪枝，降低模型参数量，避免过拟合，提升平均精度。训练前期，采用亮度增强、伽马对比度调整等数据增强手段，增强模型泛化能力。结果 优化后的YOLOv11-TDSP模型精度达94.5%、召回率92.3%、平均精度95.8%，相比基准模型YOLOv11n，分别提升6.9%、7.4%、5.6%。与高精度的YOLOv11x相比，参数量和计算量仅为其12%、13%。结论 成功实现多种牙齿病症的轻量化、高精准识别。

关键词

口腔全景片 / 异常牙识别 / 目标检测 / YOLOv11n