ultralytics修改记录------添加注意力机制

Yolov8添加无参数注意力

实验添加SimAM注意力机制

源码地址: https://github.com/ZjjConan/SimAM

修改位置：

1.yolov8中新建simam_module.py文件，保存源码

复制mmdetection/mmdet/models/backbones/attentions/simam_module.py

在tasks.py文件下导入代码模块

2.修改yaml文件，加入simam_module模块。

（上述yaml将simam_module添加到了第10层）后续大于10层的都加1.

3.测试yaml文件是否可行。在目录.\ultralytics-main下创建文件test-model.py，在变量CFG中指定刚刚yaml文件的绝对路径或相对路径，执行python文件，若为pass，则表明添加成功；

test-model.py

• Yolov8添加1参数(一个通道数)注意力

• 实验添加一个通道数注意力机制EMA

  源码地址:https://github.com/yoloonme/ema-attention-module

  修改位置：

  1.yolov8中新建EMA_attention_module.py文件，保存源码

  2.在tasks.py文件中导入EMA模块，并添加两行代码：

   elif m in {EMA}:
        args = [ch[f]]

  

• 

• 3.修改yaml文件，加入simam_module模块，后续层数加1.

• 

• 测试同前
• 

• Yolov8添加2参数(二个通道数)注意力

• 实验添加二个通道数注意力机制GAM

  源码地址：即插即用 | 超越CBAM，全新注意力机制，GAM不计成本提高精度（附Pytorch实现）

  修改位置：

• 1.yolov8中新建GAM_Attention_module.py文件，保存源码
• 2.在tasks.py文件中导入GAM模块，并对添加部分代码。

• elif m in {GAM_Attention}:
         args = [ch[f], *args]

  

• 

• 3.修改yaml文件，加入GAM_Attention模块，后续层数相应修改。
• 

• （使用test_model.py查看原始yolov8的yaml文件的具体通道数就可以得出32、64和128。）

• 

• 修改层数。

• 

• 测试：

•