YOLOv10改进 | Conv篇 | 利用Mamba的MLLABLock二次创新C2f（全网独家首发）

 一、本文介绍

本文给大家带来的改进机制是利用Mamba框架下的MLLABlock二次创新C2f来改进我们的YOLOv10模型，MLLA（Mamba-Like Linear Attention）的原理是通过将Mamba模型的一些核心设计融入线性注意力机制，从而提升模型的性能。具体来说，MLLA主要整合了Mamba中的“忘记门”（forget gate）和模块设计（block design）这两个关键因素，同时MLLA通过使用位置编码（RoPE）来替代忘记门，从而在保持并行计算和快速推理速度的同时，提供必要的位置信息。这使得MLLA在处理非自回归的视觉任务时更加有效 ，本文内容为我独家整理全网首发。

专栏回顾：YOLOv10改进系列专栏——本专栏持续复习各种顶会内容——科研必备 

---

目录

 一、本文介绍

二、原理介绍

三、核心代码

四、手把手教你添加C2fMLLABlock

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 

五、C2fMLLABlock的yaml文件和运行记录

5.1 C2fMLLABlock的yaml文件

5.2 训练代码 

5.3 C2f