YOLOv8改进：独家创新篇 - 给YOLOv8增加辅助可逆分支结构（PGI,1:1改进）

鱼弦：公众号【红尘灯塔】，CSDN博客专家、内容合伙人、新星导师、全栈领域优质创作者 、51CTO(Top红人+专家博主) 、github开源爱好者（go-zero源码二次开发、游戏后端架构 https://github.com/Peakchen）

YOLOv8改进：独家创新篇 - 给YOLOv8增加辅助可逆分支结构（PGI,1:1改进）

简介

YOLOv8作为目前最先进的目标检测算法之一，在精度和速度方面取得了显著进步。然而，YOLOv8模型在一些复杂场景下，例如小目标检测、低分辨率图像检测等，仍存在一些不足，例如精度不够高、泛化能力不强等。为了解决这个问题，本文提出了一种给YOLOv8模型增加辅助可逆分支结构（PGI,1:1改进）的方法，有效提升了模型在复杂场景下的目标检测性能。

原理详解

辅助可逆分支结构（PGI）

辅助可逆分支结构（PGI）是一种基于注意力机制的网络结构，可以有效增强特征的表达能力和泛化能力。PGI 结构主要包括以下几个模块：

• 注意力模块: 使用注意力机制，可以学习特征之间的依赖关系，并增强特征的表达能力。
• 可逆分支: 使用可逆分