YOLOv5改进 | 检测头篇 | CLLAHead分布式焦点损失检测头（全网独家首发）

 一、本文介绍

本文给大家带来的改进机制是CLLAHead，该检测头为我独家全网首发，该检测头通过多层次的特征提取和整合，利用分布焦点损失损失函数和一种注意力机制，来提高对图像中目标的识别和定位能力。这种结构特别适合于处理复杂的图像场景，其中包含多个不同大小和形状的目标，同时该检测头的参数量非常微量(之前发的一个检测头大家说参数量大，这次发一个参数量小的)。同时欢迎大家订阅本专栏，本专栏每周更新3-5篇最新机制，更有包含我所有改进的文件和交流群提供给大家。

欢迎大家订阅我的专栏一起学习YOLO！

专栏目录：YOLOv5改进有效涨点目录 | 包含卷积、主干、检测头、注意力机制、Neck上百种创新机制

专栏回顾：YOLOv5改进专栏——持续复现各种顶会内容——内含100+创新

 

目录

 一、本文介绍

二、CLLAHead的核心思想

三、CLLAHead的核心代码

 四、手把手教你添加CLLAHead检测头

4.1 修改一

4.2 修改二

4.3修改三 

4.4修改四

4.5 修改五 

4.6 修改六 

五、DynamicHead检测头的yaml文件

六、完美运行记录

七、本文总结

---

---

二、CLLAHead的核心思想

独家创新~

---

三、CLLAHead的核心代码

import torch
import torch.nn as nn
from utils.general import check_version

__all__ = ['CLLAHead', 'Segment_CLLA']

def autopad(k, p=None, d=1):  # kernel, padding, dilation
    # Pad to 'same' shape outputs
    if d > 1:
        k = d * (k - 1) + 1 if isinstance(k, int) else [d * (x - 1) + 1 for x in k]  # actual kernel-size
    if p is None:
        p = k // 2 if isinstance(k, int) else [x // 2 for x in k]  # auto-pad
    return p


class Conv(nn.Module):
    # Standard c