yolov8添加cbam注意力机制

(如果添加的是CBAM，已存在，忽略步骤 1 2 3)

步骤1.创建注意力机制-类

ultralytics/nn/modules/conv.py

步骤2.添加到conv.py文件的头文件里

ultralytics/nn/modules/conv.py

步骤3.添加到 init.py文件的头文件里

ultralytics/nn/modules/init.py

步骤4.tasks.py 中导入

ultralytics/nn/tasks.py

步骤5.tasks.py文件的parse_model函数，修改

在这个文件中，使用文件搜索功能(快捷键Ctrl + F)，弹出快捷栏如下->

(错误步骤-不看此步骤-用于记录过程)–我们搜索下面这个代码"parse_model" 然后进行翻滚很容易就找到了下面的部分，同时进行红框内部的修改

(正确步骤)我们搜索下面这个代码"parse_model" 然后进行添加以下代码

        elif m is CBAM: # todo 源码修改 （增加了elif）
            """
            ch[f]:上一层的
            args[0]:第0个参数
            c1:输入通道数
            c2:输出通道数
            """
            c1, c2 = ch[f], args[0]
            # print("ch[f]:",ch[f])
            # print("args[0]:",args[0])
            # print("args:",args)
            # print("c1:",c1)
            # print("c2:",c2)
            if c2 != nc:  # if c2 not equal to number of classes (i.e. for Classify() output)
                c2 = make_divisible(c2 * width, 8)
            args = [c1, *args[1:]]

步骤6.修改yaml文件进行网络结构的配置

如：ultralytics/cfg/models/v8 目录下的 yolov8.yaml

分析 - 学习网上的更改 （左：原结构；右：更改后的结构）

分析：在c2f层的后面添加了 CBAM层

分析：结构参数的变化

分析 - 自己任务代码的更改 （左：原结构；右：更改后的结构）

分析：在c2f层的后面添加了 CBAM层

分析：结构参数的变化

bug

yolov8训练中keyError报错

把项目中修改后的tasks.py 覆盖 环境配置里面的tasks.py,
或者将加入的注意力机制拷贝过去都可以解决此问题

环境配置里面的tasks.py目录：\anaconda3\envs\torch\Lib\site-packages\ultralytics\nn

参考链接：https://blog.csdn.net/weixin_70423469/article/details/131684931

运行效果

对比图（左：未添加cbam，右：添加cbam）