YoloV8改进策略：让SeaFormer走进Yolov8的视野，轻量高效的注意力模块展现出无与伦比的魅力

摘要

SeaFormer是今年关注度比较高的模型，其轻量高效的注意力模块，在图像分类和实例分割的任务表现非常出色，那我们一起试试它在YoloV8上的表现吧！

首先，我们一起阅读论文的翻译，了解什么是SeaFormer，以及实现它的方法。然后，我们一起尝试几种改进方法；最后，我们总结SeaFormer在Yolov8中的表现。

当然，我的试验结果并不一定代表SeaFormer的真实实例，数据集不同，效果也有一定的差别，甚至是巨大的，所以大家也要动手实验才行。

论文翻译

摘要

论文：https://openreview.net/pdf?id=-qg8MQNrxZw
代码：https://github.com/fudan-zvg/SeaFormer
自从引入视觉TransFormer以来，许多计算机视觉任务(例如，语义分割)的前景一直由cnn压倒性地主导，最近发生了重大变革。然而，计算成本和内存需求使得这些方法不适合移动设备，特别是对于高分辨率的逐像素语义分割任务。本文介绍了一种新的用于移动语义分割的压缩增强轴向TransFormer(SeaFormer)方法。具体来说&#x