改进YOLOv5 | 在C3模块中添加多种注意力机制

改进YOLOv5在目标检测领域有广泛的应用，其采用的注意力机制是其中一个重要因素。本文将介绍在C3模块中添加EffectiveSE、GlobalContext、GatherExcite、MHSA等多种注意力机制的方法，并提供相应的Python源代码。

首先，在YOLOv5的基础上，我们使用Pytorch实现了C3模块。然后，我们添加了四个不同的注意力机制以优化模型的性能。这些注意力机制非常具有代表性，可以很好地增加模型的感知范围和重点关注度。

下面我们分别介绍四种注意力机制的实现细节：

1. EffectiveSE
   使用自适应池化和Sigmoid激活函数，它可以对通道进行动态加权，

class SEBlock(nn.Module):
    def __init__