爆改YOLOv8 | yolov8添加GAM注意力机制

1，本文介绍

GAM（Global Attention Mechanism）旨在改进传统注意力机制的不足，特别是在通道和空间维度上的信息保留问题。它通过顺序的通道-空间注意力机制来解决这些问题。以下是GAM的关键设计和实现细节：

1. 通道注意力子模块：

   • 3D排列：使用3D排列来在三个维度上保留信息，这种方法有助于捕捉更多维度的特征。
   • 两层MLP：通过一个两层的多层感知机（MLP）增强跨维度的通道-空间依赖性，提升了模型对复杂特征的学习能力。

2. 空间注意力子模块：

   • 两个卷积层：采用两个卷积层融合空间信息，增强空间特征的学习，而不是使用最大池化操作，避免了可能导致信息损失的操作。
   • 分组卷积与通道混洗：通过分组卷积和通道混洗，GAM在ResNet50中避免了显著的参数增加，这有助于减少计算开销和内存占用。

3. 性能提升：

   • 在不同网络架构上的应用：GAM在多种神经网络架构上都展示了稳定的性能提升，尤其在ResNet18上，GAM在参数更少的情况下展现了比ABN（Adaptive Bottleneck Network）更好的性能和效率。

GAM通过这些设计增强了对全局信息的捕捉能力，并在保持高效性的同时，显著提高了模型的表现。

以下为GAM模型结构图

关于GAM的详细介绍可以看论文：https://arxiv.org/pdf/2112.05561v1.pdf

本文将讲解如何将GAM融合进yolov8

话不多说，上代