在yolov8中添加注意力机制_csca注意力机制yolov8

第一步，新建attention.py文件

attention.py放在那里可任意，本文放在ultralytics/nn/modules下面

之后在attention.py文件中添加各种注意力模块

第二步，修改yolov8.yaml文件

第一种是在yolov8.yaml文件中添加注意力机制层

（建议新建一个文件，文本为yolov8-EMA.yaml）

此时要注意，在加入注意力机制后，原先的层次会发现变化，在添加注意力机制层次之后的层次需要改动。 

例如

原先的yolov8.yaml文件为

改动之后的yolov8.yaml文件为

第二种是改动yolov8.yaml文件中的已有的层次

首先，需要在block.py文件中，复制一份需要更改的层次（此处为C2f）然后改换一个名字（此处为C2f_Attention）

之后要在文件中增加注意力机制

注意，有些注意力机制需要表明输入的通道数

例如此处，c2为self.cv2的输出通道数，需要注入到SEAttention中

最后在yolov8.yaml文件修改层次

第三步，修改配置文件

对于第一种方法

#1，在ultralytics/nn/tasks.py文件中导入attention.py文件

from ultralytics.nn.modules.attention import EMA,SimAM

#2，在ultralytics/nn/tasks.py文件中找到def parse_model(d, ch, verbose=True):函数。在函数中添加如下的代码

        elif m in(EMA,):
            c2=ch[f]
            args=[c2,*args]

如图

对于第二种方法

#1，在block.py文件中添加模块

#2，在ultralytics/nn/modules/__init__.py文件中添加模块

#3，添加模块在ultralytics/nn/tasks.py文件中

#4，在ultralytics/nn/tasks.py文件中找到def parse_model(d, ch, verbose=True):函数，添加模块

第四步，在程序中运行

第一种

model = YOLO("yolov8n-EMA.yaml")

第二种

model = YOLO("yolov8n.yaml") 

最后运行结果为

第一种

第二种

可以发现注意力机制已经添加成功