YOLOv10改进 | 注意力机制 | 添加iRMB倒置残差块注意力机制（轻量化注意力机制）

 一、本文介绍

本文给家大家带来的改进机制是iRMB，其是在论文Rethinking Mobile Block for Efficient Attention-based Models种提出，论文提出了一个新的主干网络EMO(后面我也会教大家如何使用该主干，本文先教大家使用该文中提出的注意力机制)。其主要思想是将轻量级的CNN架构与基于注意力的模型结构相结合(有点类似ACmix)，我将iRMB和C2f结合，然后也将其用在了检测头种进行尝试，三种结果进行对比，针对的作用也不相同，但是无论那种实验均有一定涨点效果，同时该注意力机制属于是比较轻量化的参数量比较小，训练速度也很快，后面我会将各种添加方法教给大家，让大家在自己的模型中进行复现。

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、iRMB的框架原理

2.1 iRMB结构

2.2 倒置残差块

2.3 元移动块（Meta-Mobile Block）

三、iRMB的核心代码 

四、手把手教你添加iRMB和C2f_iRMB机制 

4.1 步骤一

4.2 步骤二

4.3 步骤三

五、iRMB和C2f_iRMB的yaml文件和运行记录

5.1 yaml版本一(推荐)

5.2 yaml版本二<