YOLOv10涨点改进创新MSAM注意力，通道注意力升级，魔改CBAM
目录
1，YOLO v10介绍
1.1 C2fUIB介绍
1.2 PSA介绍
1.3 SCDown
2.自研MSAM
2.1 自研MSAM注意力介绍
3.MSAM如何加入到YOLOv8
3.1 MSAM加入ultralytics/nn/attention/MsAM.py
3.2 修改tasks.py1)首先进行引用定义
3.3 yolov10n-MSAM.yaml
3.4 yolov10n-PSMSAM.yaml
改进1结构图：
改进结构图2：
1，YOLO v10介绍
论文:https://arxiv.org/pdf/2405.14458
代码:GitHub -THU-MlG/yolov10: YOLOv10: Real-Time End-to-End Object Detection
摘要:在过去的几年里，由于其在计算成本和检测性能之间的有效平衡，YOLOS已经成为实时目标检测领域的主导范例。研究人员已经探索了YOLOS的架构设计、优化目标、数据增强策略等，并取得了显著进展。然而，对用于后处理的非最大抑制 (NMS)的依赖妨碍了YOLOS的端到端
原文地址:https://blog.csdn.net/qq_53545309/article/details/139726371
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。
本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：https://www.suanlizi.com/kf/1802430462161981440.html
如若内容造成侵权/违法违规/事实不符，请联系《酸梨子》网邮箱：1419361763@qq.com进行投诉反馈，一经查实，立即删除！
![[<span style='color:red;'>YOLOv</span><span style='color:red;'>10</span><span style='color:red;'>涨</span><span style='color:red;'>点</span><span style='color:red;'>改进</span>：<span style='color:red;'>注意力</span><span style='color:red;'>魔</span><span style='color:red;'>改</span> | 轻量级的 Mixed Local Channel Attention (MLCA)，加强<span style='color:red;'>通道</span>信息和空间信息提取能力]](https://img-blog.csdnimg.cn/direct/2d20cc2b10ac43bfb0a506d6089ffdfa.png)
