改进YOLOv8 | 在C2F模块中添加注意力机制

改进YOLOv8 | 在C2F模块中添加注意力机制

目前，计算机视觉领域的研究已经广泛应用于图像处理、目标检测和识别等方面。在目标检测中，You Only Look Once (YOLO) 算法系列具有较高的检测速度和较好的检测精度，成为目标检测算法中的佼佼者。本文将着重讨论如何在 YOLOv8 模型中添加注意力机制来进一步提高其性能。

这里我们选择 C2F 模块来添加注意力机制，C2F 模块是 YOLOv8 中的一个关键模块，可以提取出高阶语义信息并利用特征融合技术来提高检测精度。

接下来，我们将在 C2F 模块中添加四种不同的注意力机制：SE（Squeeze-and-Excitation）、CBAM（Convolutional Block Attention Module）、ECA（ECC）以及 CA（Channel Attention）。具体实现如下所示：

import torch
import torch.nn as nn

# 定义 Squeeze-and-Excitation 注意力机制
class SE_Block(nn.Module