YOLOv5 改进 005：Backbone 添加 SimAM 注意力机制

论文题目：《SimAM: A Simple, Parameter-Free Attention Module for Convolutional Neural Networks》

论文地址：https://proceedings.mlr.press/v139/yang21o/yang21o.pdf

官方源码：GitHub - ZjjConan/SimAM

1. SimAM 简介

SimAM（Simple Attention Module）是一种轻量级的注意力机制，旨在增强神经网络的表示能力，而不会显著增加计算开销。它通过对特征图进行自适应加权，来提高网络对关键特征的关注度。

SimAM 的基本思想是使用一个简单的模块来捕捉特征图中的重要信息。与其他复杂的注意力机制（如 SE 模块、CBAM 等）相比，SimAM 通过引入一个自适应加权机制，实现了高效的特征增强。

SimAM 的优点：

•  计算开销低： SimAM 不引入额外的卷积层或全连接层，计算量相对较低。
• 易于实现： SimAM 的实现相对简单，可以很容易地嵌入到现有的卷积神经网络中。
• 有效性： 实验表明，SimAM 在提高网络性能方面表现出色，能够显著