爆改YOLOv8|利用yolov10的PSA注意力机制改进yolov8-高效涨点

1，本文介绍

PSA是一种改进的自注意力机制，旨在提升模型的效率和准确性。传统的自注意力机制需要计算所有位置对之间的注意力，这会导致计算复杂度高和训练时间长。PSA通过引入极化因子来减少需要计算的注意力对的数量，从而降低计算负担。极化因子是一个向量，通过与每个位置的向量点积，确定哪些位置需要计算注意力。这种方法可以在保持模型准确度的前提下，显著减少计算量，从而提升自注意力机制的效率。

关于PSA 的详细介绍可以看论文：https://arxiv.org/pdf/2405.14458

本文将讲解如何将PSA 融合进yolov8

话不多说，上代码！

2， 将PSA融合进yolov8

2.1 步骤一

找到如下的目录'ultralytics/nn/modules'，然后在这个目录下创建一个PSA.py文件，文件名字可以根据你自己的习惯起，然后将PSA的核心代码复制进去

import torch
import torch.nn as nn
 
__all__ = ['PSA']
 
def autopad(k, p=None, d=1):  # kernel, padding, dilation
    """Pad to 'same' shape outputs."""
    if d > 1:
        k = d * (k - 1) + 1 if isinstance(k, int) else [d * (x - 1) + 1 for x in k]  # actual kernel-size
    if p is None:
        p = k // 2 if isinstance(k, int) else [x // 2 for x in k]  # auto-pad
    return p
 
 
class Conv(nn.Module):
    """Standard convolution with args(ch_in, ch_out, kernel, stride, padding, groups, dilation, activation)."""
 
    default_act = nn.SiLU()  # defau