YOLOv8中添加SENet注意力机制

注意力机制（Attention
Mechanism）是深度学习中的一种方法，在图像处理领域，尤其是在卷积神经网络（CNN）和视觉Transformer等架构中。图像数据具有局部相关性，注意力机制可以帮助模型聚焦于图像中更重要的区域，从而提升处理效果。

SENet（Squeeze-and-Excitation
Network）是一种用于提高卷积神经网络（CNN）性能的结构，通过引入注意力机制，使得网络能够自适应地重新标定各个通道的重要性。SENet通过“压缩”和“激励”操作（Squeeze-and-Excitation）来优化特征图的通道间依赖关系，从而提升网络的表现。

1.SENet

核心思想：SENet的关键创新是通道注意力机制，通过以下两个步骤对特征图进行处理：

• 1. Squeeze（压缩）：
     对输入的特征图进行全局平均池化（Global Average Pooling），将每个通道的空间信息压缩成一个单一的标量。
     这一操作可以捕捉到每个通道的全局信息，使得每个通道在不同空间位置的特征都能被汇聚到一个值。
• 2. Excitation（激励）：
     对压缩后的全局特征进行一系列的操作，生成一个权重向量，来表示每个通道的重要性。