pytorch 44 不修改源码在yolov8中使用odconv动态卷积

这里仅修改对YOLOv8的使用方式，不修改任何源码即可将odconv使用到最新的yolov8n模型上，实现了对私有数据集下的巨大性能提升（尤其是对于类别不平衡的少样本数据）。ODCONV是Intel提出的一种极差即用的动态卷积，在小模型上涨点效果较为明显（在大模型上涨点效果略微退化），可被用于轻量化模型的性能优化。常见的轻量化模型有NanoDet、PicoDet和yolo-tiny系列模型等。NanoDet、PicoDet是针对轻量化部署所设计的，而各种yolo-tiny系列则是在提出新的yolo系列模型时所附带的轻量模型。

odconv的论文解读可以查看 https://hpg123.blog.csdn.net/article/details/128881748

这里是针对yolov8_obb项目进行改造（所以在输出map信息与loss信息上与原始yolov8项目类略有不同），但不影响针对原始yolov8项目的odconv改造。参考 pytorch 26 科学炼丹（训练）方式之——魔改网络 进行网络结构修改，不需要改动任何yolov8项目的源码，即可实现将yolov8项目替换为yolov8_odconv项目。

1、原先效果

原始yolov8n_obb的效果

2、修改过程

2.1 odconv实现

odconv实现代