改进YOLO系列：添加CBAM注意力机制

CBAM（Convolutional Block Attention Module）注意力机制是一种结合了通道注意力和空间注意力的注意力机制，旨在提高卷积神经网络（CNN）模型的表征能力和泛化能力。以下是对CBAM注意力机制的详细解释：

一、CBAM概述

CBAM由Sanghyun Woo等人在2018年的论文中提出，作为一种轻量级的注意力机制模块，CBAM不仅参数量和计算量小，而且能够即插即用，无缝衔接到CNN中，实现端到端的训练。CBAM通过自适应地学习通道和空间注意力权重，来提高卷积神经网络的特征表达能力。

二、CBAM的核心组成

CBAM由两个关键部分组成：通道注意力模块（Channel Attention Module, CAM）和空间注意力模块（Spatial Attention Module, SAM）。

1. 通道注意力模块（CAM）：

   • 目标：增强每个通道的特征表达。
   • 实现方式：
     • 全局平均池化和全局最大池化：对于输入特征图，首先对每个通道执行全局平均池化和全局最大池化操作，计算每个通道上的最大特征值