YOLOv8最新改进系列：YOLOv8融合BoTNet模块，融合CNN+自然语言处理技术的优势，有效提升检测效果！_如何提高yolov8的分割精准度

YOLOv8最新改进系列：YOLOv8融合BoTNet模块

YOLOv8主干特征提取网络为卷积神经网络，卷积神经网络具有平移不变性和局部性，缺乏全局建模长距离建模的能力，引入自然语言处理任务中的Transformer可以形成CNN+TransFormer架构，充分融合两者的优点，提高目标检测效果。

一、 BoTNet简介

论文地址：https://arxiv.org/abs/2101.11605

BoTNet是一种简单但功能强大的主干网络，该架构将注意力模块纳入了包括图像分类，目标检测，实例分割等多种计算机视觉任务。通过仅将ResNet的最后三个的卷积层替换成MHSA层，并不进行其他改变，在墓边检测方面显著改善了极限，同时减少了参数两，从而使得延迟最小化。
Transformer中的MHSA和BoTNet中的MHSA的区别：

归一化，Transformer使用 Layer Normalization，而BoTNet使用 Batch Normalization。
非线性激活，Transformer仅仅使用一个非线性激活在FPN block模块中，BoTNet使用了3个非线性激活。
输出投影，Transformer中的MHSA包含一个输出投影，BoTNet则没有。
优化器，Transformer使用Adam优化器训练，BoTNet使用sgd+ momentum

二、改进方法

2.1 修改YAML(不知道在哪改动的，见我博客之前的文章，均有详细介绍！)

# Ultralytics YOLO 
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/繁依Fanyi0/article/detail/170925