YOLOv10模型改进-卷积层改进-第24篇:YOLOv10改进策略【卷积层】| ResNeSt卷积改进方案

一、本文介绍

本文记录的是利用ResNeSt卷积改进YOLOv10的特征提取部分。ResNeSt通过拆分注意力机制,实现高效的多尺度特征提取。

二、ResNeSt模块介绍

2.1 设计出发点

传统ResNet缺乏多尺度注意力机制,ResNeSt通过拆分注意力机制增强特征表达能力。

2.2 模块结构

ResNeSt块:

  1. 分组卷积:将通道分组
  2. 拆分注意力:对每个组计算注意力权重
  3. 特征融合:融合不同组的特征

三、ResNeSt的实现代码

importtorchimporttorch.nnasnnclassSplAtConv2d