[YOLOv10涨点改进：注意力魔改 | 轻量级的 Mixed Local Channel Attention (MLCA)，加强通道信息和空间信息提取能力]

作者：小丑西瓜9 | 2024-06-18 04:48:20

踩

本文属于原创独家改进:一种轻量级的Mixed Local Channel Attention (MLCA)模块，该模块考虑通道信息和空间信息，并结合局部信息和全局信息以提高网络的表达效果

1.YOLOv10介绍
在这里插入图片描述
论文：[https://arxiv.org/pdf/2405.14458]
代码： https://gitcode.com/THU-MIG/yolov10?utm_source=csdn_github_accelerator&isLogin=1

摘要:在过去的几年里，由于其在计算成本和检测性能之间的有效平衡，YOLOS已经成为实时目标检测领域的主导范例。研究人员已经探索了YOLOS的架构设计、优化目标、数据增强策略等，并取得了显著进展。然而，对用于后处理的非最大抑制(NMS〉的依赖妨碍了YOLOS的端到端部署，并且影响了推理延迟。此外， YOLOS中各部件的设计缺乏全面和彻底的检查，导致明显的计算冗余，限制了模型的性能。这导致次优的效率，以及相当大的性能改进潜力。

在这项工作中，我们的目标是从后处理和模型架构两个方面进一步推进YOLOS的性能-效率边界。为此，我们首先提出了用于YOLOs无NMS训练的持续双重分配，该方法带来了有竞争力的性能和低推理延迟。此外，

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/小丑西瓜9/article/detail/733709