YOLOv10改进 | 特殊场景检测篇 | 添加HAttention(HAT）超分辨率重建助力小目标检测 (全网首发，超分辨率检测)

 一、本文介绍

本文给大家带来的改进机制是HAttention注意力机制，混合注意力变换器（HAT）的设计理念是通过融合通道注意力和自注意力机制来提升单图像超分辨率重建的性能。通道注意力关注于识别哪些通道更重要，而自注意力则关注于图像内部各个位置之间的关系。HAT利用这两种注意力机制，有效地整合了全局的像素信息，从而提供更为精确的结果(这个注意力机制挺复杂的光代码就700+行)，但是效果挺好的也是10月份最新的成果非常适合添加到大家自己的论文中。

 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、HAttention框架原理 

2.1 混合注意力变换器（HAT）

三、HAttention的核心代码

四、手把手教你添加HAttention机制 

修改一

修改二 

五、HAttention的yaml文件

5.1 HAttention的yaml文件一

5.2 HAttention的训练过程截图