YOLOv10改进 | 独家创新- 注意力篇 | YOLOv10结合LSKA注意力机制和ELA注意力机制形成全新的LESKA注意力机制和C2f_LESKA(全网独家创新)

1. LESKA介绍

          LESKA（Local Enhanced Spatial Kernel Attention）注意力机制是结合了LSKA（Local Spatial Kernel Attention）和ELA（Enhanced Local Attention）两种注意力机制的创新型模块，其主要优势在于同时捕捉局部空间信息和全局特征，从而增强图像特征提取的效果。

          (1). LSKA模块的优势
          LSKA模块通过不同大小的核（kernel size）来构建不同感受野的卷积操作，从而捕捉图像中多尺度的局部空间特征。LSKA使用深度可分离卷积（Depthwise Separable Convolution）技术，通过水平和垂直方向的卷积操作（如`conv0h`和`conv0v`），结合不同的膨胀卷积（Dilated Convolution），在保持计算效率的同时，进一步扩大感受野。通过这种方式，LSKA可以有效捕捉到图像中的局部边缘、纹理等重要特征，适用于不同尺度的目标检测任务。

          (2). ELA模块的优势
          ELA模块则是一个增强型的局部注意力机制，通过自适应的平均池化操作，分别在水平和垂直方向上对特征图进行全局建模。ELA使用&