YOLOv10全网最新创新点改进系列：YOLOv10改进之添加注意力-ContextAggregation，有效涨点！！！

YOLOv10全网最新创新点改进系列：YOLOv10改进之添加注意力-ContextAggregation，有效涨点！！！

所有改进代码均经过实验测试跑通！截止发稿时YOLOv10已改进40+！自己排列组合2-4种后，考虑位置不同后可排列组合上千万种！改进不重样！！专注AI学术，关注B站up主：Ai学术叫叫兽er！

购买相关资料 畅享一对一答疑！

# YOLOv10全网最新创新点改进系列：YOLOv10改进之添加注意力-ContextAggregation，有效涨点！！！

---

一、更改 yaml文件
二、新建ContextAggregation.py
三、更改 tasks.py
详细改进流程和操作，请关注B站博主：AI学术叫叫兽

相关源码已在B站：AI学术叫叫兽
上架！！！！科研搞起来！表情包
论文地址在这
AI学术叫叫兽er在这！家人们，给我遥遥领先！！！

一、更改yaml文件

新建 ContextAggregation.py

#详细改进流程和操作，请关注B站博主：AI学术叫叫兽  持续更新哦


import torch
import torch.nn as nn
from mmcv.cnn import ConvModule, caffe2_xavier_init, constant_init
#详细改进流程和操作，请关注B站博主：AI学术叫叫兽 

from mmcv.cnn import ConvModule
#详细改进流程和操作，请关注B站博主：AI学术叫叫兽 
 
class ContextAggregation(nn.Module):
#详细改进流程和操作，请关注B站博主：AI学术叫叫兽 
 
    def __init__(self, in_channels, reduction=1, conv_cfg=None):
        super(ContextAggregation, self).__init__()
        self.in_channels = in_channels
        self.reduction = reduction
        self.inter_channels = max(in_channels // reduction, 1)
 
        conv_params = dict(kernel_size=1, conv_cfg=conv_cfg, act_cfg=None)
 
        self.a = ConvModule(in_channels, 1, **conv_params)
        self.k = ConvModule(in_channels, 1, **conv_params)
        self.v = ConvModule(in_channels, self.inter_channels, **conv_params)
        self.m = ConvModule(self.inter_channels, in_channels, **conv_params)
 
        self.init_weights()
 
    def init_weights(self):
        for m in (self.a, self.k, self.v):
            caffe2_xavier_init(m.conv)
        constant_init(self.m.conv, 0)
 
    def forward(self, x):
        n, c = x.size(0), self.inter_channels
 
        # a: [N, 1, H, W]
        a = self.a(x).sigmoid()
 
        # k: [N, 1, HW, 1]
        k = self.k(x).view(n, 1, -1, 1).softmax(2)
 
        # v: [N, 1, C, HW]
        v = self.v(x).view(n, 1, c, -1)
 
        # y: [N, C, 1, 1]
        y = torch.matmul(v, k).view(n, c, 1, 1)
        y = self.m(y) * a
 
        return x + y
#详细改进流程和操作，请关注B站博主：AI学术叫叫兽 片

更改 tasks.py

找到tasks.py中的此代码，替换即可，大约在650行左右。

 if m in (Classify, Conv, GGhostRegNet, ConvTranspose, GhostConv, Bottleneck, GhostBottleneck, SPP, SPPF, DWConv, Focus,
                 BottleneckCSP, C1, C2, C2f, C3, C3TR, C3Ghost, nn.ConvTranspose2d, DWConvTranspose2d, C3x, RepC3, SEAttention,ContextAggregation):
            c1, c2 = ch[f], args[0]
            if c2 != nc:  # if c2 not equal to number of classes (i.e. for Classify() output)
                c2 = make_divisible(min(c2, max_channels) * width, 8)

检查修改是否成功

注意！

别忘喽~关注B站博主：AI学术叫叫兽
往期B站视频已经更新了四层检测层，如果注意力加四个检测头，会发生什么？快动手去试试！

科研搞起来！一Giao窝里Giao Giao！！

已经更新了 注意力、特征提取网络、添加检测头、优化卷积操作等改进方法。
改进方法持续更新，应B站粉丝要求，近期会在B站开设论文写作方面的专栏。