YOLOv8改进 - 注意力篇 - 引入EMA注意力机制

浪子L

已于 2024-10-07 01:00:17 修改

阅读量5.9k

点赞数 43

分类专栏： YOLOv8分析与改进文章标签：深度学习人工智能计算机视觉 python YOLO 目标检测神经网络

于 2024-10-07 00:59:15 首次发布

本文链接：https://blog.csdn.net/2301_79619145/article/details/142734096

版权

一、本文介绍

作为入门性篇章，这里介绍了EMA注意力在YOLOv8中的使用。包含EMA原理分析，EMA的代码、EMA的使用方法、以及添加以后的yaml文件及运行记录。

二、EMA原理分析

EMA官方论文地址：EMA文章

EMA代码：EMA代码

EMA注意力机制（高效的多尺度注意力）：通过重塑部分通道到批次维度，并将通道维度分组为多个子特征，以保留每个通道的信息并减少计算开销。EMA模块通过编码全局信息来重新校准每个并行分支中的通道权重，并通过跨维度交互来捕获像素级别的关系。

相关代码：

EMA注意力的代码，如下：

class EMA_attention(nn.Module):
    def __init__(self, channels, c2=None, factor=32):
        super(EMA_attention, self).__init__()
        self.groups = factor
        assert channels // self.groups > 0
        self.softmax = nn.Softmax(-1)
        self.agp = nn.AdaptiveAv