改进YOLOv5：引入CBAM注意力机制的计算机视觉模型

目前，计算机视觉领域的目标检测任务中，YOLOv5是一种非常流行的模型。为了进一步提升YOLOv5的性能，我们可以引入CBAM（Convolutional Block Attention Module）注意力机制。CBAM注意力机制能够帮助模型更好地聚焦于图像中的关键区域，提高目标检测的准确性和鲁棒性。

CBAM注意力机制由两个部分组成：通道注意力模块（Channel Attention Module）和空间注意力模块（Spatial Attention Module）。通道注意力模块用于对特征图的通道维度进行建模，以便捕捉通道之间的依赖关系；空间注意力模块则用于对特征图的空间维度进行建模，以捕捉不同空间位置之间的关联。

下面，我们将介绍如何在YOLOv5模型中添加CBAM注意力机制。首先，我们需要在网络结构中引入CBAM模块。以下是一个简化的示例代码，展示了如何将CBAM模块添加到YOLOv5的骨干网络中：

import torch
import torch.nn as nn

class CBAM(nn