YOLOv10改进策略【Backbone/主干网络】| 替换骨干网络为：Swin Transformer，提高多尺度特征提取能力

一、本文介绍

本文记录的是基于SwinTransformer的YOLOv10目标检测改进方法研究。本文利用SwinTransformer替换YOLOv10的骨干网络，Swin Transformer的作用在于同时包含层次化特征表示和基于移位窗口的自注意力机制，克服了常见 Transformer模型在视觉任务中面临的尺度差异和分辨率差异问题。本文将其应用到v10中，使其在保持推理高效的同时，具备大模型的特点。

---

专栏目录：YOLOv10改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进

专栏地址：YOLOv10改进专栏——以发表论文的角度，快速准确的找到有效涨点的创新点！