YoloV8改进策略：BackBone改进|焦点调制网络

摘要

FocalNets是一个新型的神经网络架构，它的核心特点是用焦点调制模块完全取代了自注意力（SA）机制，用于在视觉任务中建模令牌（token）之间的交互。这种架构的设计旨在提高模型的可解释性，并在各种视觉任务上实现卓越的性能。
本文使用FocalNets的主干网络替换YoloV8的主干网络，实现涨点。

论文：《焦点调制网络》

https://arxiv.org/pdf/2203.11926.pdf
我们提出了焦点调制网络（简称FocalNets），其中自注意力（SA）被焦点调制模块完全取代，用于在视觉中建模令牌交互。焦点调制包含三个组件：（i）焦点上下文化，通过堆叠深度卷积层实现，以从短到长范围编码视觉上下文；（ii）门控聚合，用于选择性地收集上下文信息到每个查询令牌的调制器中；（iii）元素级仿射变换，将调制器注入查询中。大量实验表明，FocalNets表现出非凡的可解释性（如图1所示），并在图像分类、目标检测和分割等任务上，以类似的计算成本超越了SoTA SA对应项（例如Swin和Focal Transformers）。具体来说࿰