YOLOv8改进 | Conv篇 | 将RT-DETR模型AIFI模块和Conv模块结合替换SPPF（全网独家改进）

一、本文介绍

本文给大家带来是用最新的RT-DETR模型中的AIFI模块间去替换YOLOv8中的SPPF。RT-DETR号称是打败YOLO的检测模型，其作为一种基于Transformer的检测方法，相较于传统的基于卷积的检测方法，提供了更为全面和深入的特征理解，将RT-DETR中的一些先进模块融入到YOLOv8往往能够达到一些特殊的效果（我个人猜测，所以我进行了一些实验来验证这一点），我将RT-DETR的AIFI模块和Conv模块融合在一起添加到了YOLOv8中。亲测这一改进并不一定能够提高精度我用了三个数据集来试(没有涨点就是没有涨点，我不能够没有涨点还去告诉你涨点这样也耽误大家的时间)，但为啥要发出来这个AIFI首先其能够达到轻量化模型的作用的，其次其能够和RT-DETR模型的其他模块融合可以达到好的效果。所以发出来想要给的是轻量化读者来使用的，因为发论文并不一定要提高精度轻量化模型也是一个方向。

(我实测直接替换SPPF是有降点的在我测试的三个数据集，所以我参考了RT-DETR模型的网络结构在AIFI之后额外添加一个Conv模块)

(说一下这里为啥给到三颗星，因为这个改进机制无非就是替换SPPF对于我们的模型没有特别大的改动涨点效果也比较一般，其主要需要配和其它的RT-DETR模型来综合改进YOLOv8，如果单独使用比较适合轻量化的读者)

推荐指数：⭐⭐⭐

专栏目录：YOLOv8改进有效系列目录 | 包含卷积、主干、检测头、注意力机制、Neck上百种创新机制

专栏回顾：YOLOv8改进系列专栏——本专栏持续复习各种顶会内容——科研必备    

参数量对比图如下->

目录

一、本文介绍

二、RT-DETR的AIFI框架原理

2.1 AIFI的基本原理

三、AIFI的完整代码

 四、手把手教你添加AIFI模块