YOLOv11改进 | 添加注意力机制篇 | 添加DAttention (DAT)注意力机制二次创新C2PSA（Best Paper）

一、本文介绍

本文给大家带来的是YOLOv11改进DAT(Vision Transformer with Deformable Attention)的教程，CVPR2022上同时被评选为Best Paper，由此可以证明其是一种十分有效的改进机制，其主要的核心思想是：引入可变形注意力机制和动态采样点(听着是不是和可变形动态卷积DCN挺相似)。文的讲解主要包含三方面：DAT的网络结构思想、DAttention的代码复现，如何添加DAttention到你的结构中实现涨点，下面先来分享我测试的对比图。

  专栏回顾：YOLOv11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、DAT的网络结构思想

2.1 DAT的主要思想和改进

2.2 DAT的网络结构图 

2.3 DAT和其他机制的对比

三、DAT即插即用的代码块

四、添加DAT到你的网络中

4.1 修改一

4.2 修改二 

4.3 修改三 

4.4 修改四 

五、DAT的yaml文件和运行记录

5.1 DAT的yaml文件1

5.2 训练代码 

5.3 GhostModule的训练过程截图 </