YOLOv10改进 | 独家创新- 注意力篇 | YOLOv10引入结合EMAttention和CoTAttention形成全新的CEMA注意力机制和C2f_CEMA(全网独家创新)

1. CEMA介绍

          CEMA（Combined EMAttention and CoTAttention）注意力机制结合了EMAttention和CoTAttention两种注意力机制的优点，在图像特征提取方面表现出更优异的性能。以下是详细的中文描述：

         EMAttention注意力机制
          EMAttention（Efficient Multi-head Attention）是一种高效的多头注意力机制，其主要特点包括：
          (1). 组归一化：将通道划分为多个组，通过组归一化（Group Normalization）来处理每个组内的特征，提升了模型的泛化能力。
          (2). 自适应池化：使用自适应平均池化（Adaptive Average Pooling）来处理特征图的高度和宽度信息，确保特征提取的平衡性。
          (3). 卷积操作：通过1x1卷积和3x3卷积来增强特征提取的能力，使得特征图在不同尺度上得到充分的处理。
          (4). 注意力权重计算：通过对池化后的特征进行Softmax处理，并结合多头注意力机制来计算注意力权重，提升了特征的表达能力和识别精度。

          CoTAttention注意力机制