YOLOv10改进 | Conv篇 | YOLOv10添加Mamba模块 （Mamba-Yolov10为目标检测、医学图像分割等任务带来新的发展和进步）

YOLOv8v10专栏限时订阅链接：YOLOv8v10创新改进高效涨点+永久更新中（至少500+改进）+高效跑实验发论文

目录

一、Mamba模块介绍

VSS mamba模块结构

mamba模块动机

CNN 主要局限性：

Transformer 主要局限性：

 二、VSS模块核心代码

三、手把手教你添加 VSSBlock模块和修改task.py文件

四、创建涨点yaml配置文件

参考版本: yolov10n_VSSBlock.yaml 

五、本文总结

---

一、Mamba模块介绍

 摘要：在医学图像分割领域，基于 CNN 和基于 Transformer 的模型都得到了广泛的探索。然而，CNN 在远程建模能力方面表现出局限性，而 Transformer 则受到其二次计算复杂性的阻碍。最近，以 Manba 为代表的状态空间模型 （SSM） 已成为一种很有前途的方法。它们不仅擅长对长距离交互进行建模，而且还保持线性计算复杂性。在本文中，利用状态空间模型，我们提出了一种用于医学图像分割的 U 形架构模型，名为 Vision Mamba UNet （VM-UNet）。具体来说，引入了视觉状态空间 （VSS） 块作为基础块来捕获广泛的上下文信息，并构建了不对称的编码器-解码器结构。我们对 ISIC17 、 ISIC18 和 Synapse 数据集进行了全面的实验，结果表明 VM-UNet 在医学图像分割任务中表现具有竞争力。据我们所知，这是第一个基于纯基于 SSM 的模型构建的医学图像分割模型。我们的目标是建立基线，并为未来更高效、更有效的基于 SSM 的细分系统的发展提供有价值的见解。

论文地址：