论文er们，YOLO这口饭得趁热吃

不知道各位有没有看出来，从去年开始YOLO相关的论文就处于一个井喷式状态，SCI各区都能见到它的身影。

这是因为YOLO其实是个很好发论文的方向，需求量很大，热度高，并且好入门，能获取的资源也很多。写论文时一般只要换个数据集或应用场景，就能作为新模型发表了。

如果有同学想发表YOLO相关的论文，可以考虑从数据处理、模型改进、loss函数优化这三个方面入手，目前YOLO的创新一般都围绕这些，特别是模型改进这方面，比如引入注意力机制、使用多尺度特征融合等。

最新提出的Mamba YOLO就是个很好的例子，它其实就是YOLO的一种改进变体，在YOLO的基础上引入了SSM，以增强模型的性能。

为了方便有论文需求的同学，我这次整理了YOLOv1到v10系列原文，以及YOLO的改进变体，共23篇。这些变体涉及上述引入注意力机制等模型改进策略，还包括与mamba的最新结合，开源的代码已附。

论文原文+开源代码需要的同学看文末

引入注意力机制

YOLO-SLD: An Attention Mechanism-Improved YOLO for License Plate Detection

方法：本文提出了YOLO-SLD网络模型，通过引入注意力机制，提高了车牌检测的效率和准确性；同时使用AP和mAP作为评估指标，比较了YOLOv7模型在引入不同注意力机制后的性能提升；实验证明该算法在速度、准确性和实时性方面具有较好的性能ÿ