在yolov8中添加注意力CBAM

在YOLOv8中添加注意力CBAM的步骤如下：

1. 在yolov8_cbam.yaml文件中添加CBAM注意力机制的配置信息。
2. 在common.py文件中配置CBAM注意力机制的参数。
3. 在yolo.py文件中添加CBAM注意力机制的代码。
4. 训练模型并测试效果。

具体步骤如下：

. 在yolov8_cbam.yaml文件中添加CBAM注意力机制的配置信息：

model:
  ...
  attention: CBAM
  ...

2. 在common.py文件中配置CBAM注意力机制的参数：

class CBAM(nn.Module):
    def __init__(self, channels, reduction=16):
        super(CBAM, self).__init__()
        self.avg_pool = nn.AdaptiveAvgPool2d(1)
        self.max_pool = nn.AdaptiveMaxPool2d(1)
        self.fc = nn.Sequential(
            nn.Linear(channels, channels // reduction, bias=False),
            nn.ReLU(inplace=True),
            nn.Linear(channels // reduction, channels, bias=False),
            nn.Sigmoid()
        )
        self.conv = nn.Conv2d(channels, channels, kernel_size=1, stride=1, padding=0)

    def forward(self, x):
        avg_out = self.avg_pool(x)
        max_out = self.max_pool(x)
        avg_out = self.fc(avg_out.squeeze()).unsqueeze(2).unsqueeze(3)
        max_out = self.fc(max_out.squeeze()).unsqueeze(2).unsqueeze(3)
        out = avg_out + max_out
        out = self.conv(out)
        out = torch.sigmoid(out)
        out = x * out
        return out

3. 在yolo.py文件中添加CBAM注意力机制的代码：

from models.common import CBAM

class YOLOLayer(nn.Module):
    def __init__(self, ...):
        ...
        self.cbam = CBAM(channels)

    def forward(self, ...):
        ...
        x = self.cbam(x)
        ...
        return x

4. 训练模型并测试效果。