改进YOLO系列：添加SEAttention注意力机制

在 YOLO（You Only Look Once） 目标检测模型中集成 SEAttention（Squeeze-and-Excitation Attention） 机制可以增强特征通道的权重学习能力，提高检测精度。以下是详细的改进步骤和代码实现（以 YOLOv5 或 YOLOv8 为例）：

---

1. SEAttention 原理
SEAttention 通过 Squeeze（全局信息压缩） 和 Excitation（通道权重学习） 两个步骤动态调整特征通道的重要性：

1. Squeeze：全局平均池化（GAP）压缩空间信息，生成通道描述向量。
2. Excitation：全连接层学习通道权重，增强重要特征通道。

---

2. 代码实现（PyTorch）
(1) 定义 SEAttention 模块
在 models/common.py 中添加以下代码：

import torch
import torch.nn as nn

class