YOLOv10改进 | 主干/Backbone篇 | 添加EfficientViT替换Backbone（高效的视觉变换网络，改进策略）

 一、本文介绍

本文给大家带来的改进机制是EfficientViT（高效的视觉变换网络），EfficientViT的核心是一种轻量级的多尺度线性注意力模块，能够在只使用硬件高效操作的情况下实现全局感受野和多尺度学习。本文带来是EfficientViT网络结构，论文题目是'EfficientViT: Multi-Scale Linear Attention for High-Resolution Dense Prediction'这个版本的模型结构(这点大家需要注意以下)。同时本文通过介绍其模型原理，然后手把手教你添加到网络结构中去，最后提供我完美运行的记录，如果大家运行过程中的有任何问题，都可以评论区留言，我都会进行回复。亲测在小目标检测和大尺度目标检测的数据集上都有大幅度的涨点效果(mAP直接涨了大概有0.1左右)

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、EfficientViT模型原理

2.1  EfficientViT的基本原理

2.2 多尺度线性注意力机制

2.3 轻量级和硬件高效操作

2.4 显著的性能提升和速度加快

三、EfficienViT的完整代码

四、手把手教你添加EfficienViT网络结构

修改一

修改二

修改三 

修改四

修改五 

修改六 

修改七

五、EfficientViT2023yaml文件