Mamba-YoloV8：基于Mamba架构的yolov8目标检测模型

动机：

基于 CNN 和 Transformer 的模型各有局限性。CNN 在捕获长距离信息上存在局部感受野限制，导致在某些情况下难以有效捕获长距离信息，可能导致分割等任务的结果不佳。另一方面，Transformer 在全局建模方面表现出色，能够有效捕获长距离依赖关系，但自注意力机制在处理图像尺寸较大时的复杂度较高，特别是在处理超高清图像检测以及小目标检测等任务时可能面临挑战。

CNN 主要局限性：

• 局部感受野限制：CNN 的卷积操作在每一层只能感知局部区域的特征，难以捕获长距离依赖关系。
• 参数共享：CNN 中参数共享的特性可能限制其在处理某些复杂模式和全局信息时的表现。

Transformer 主要局限性：

• 自注意力机制复杂度：Transformer 中的自注意力机制在处理大规模图像时需要高计算复杂度和显存消耗。
• 缺乏局部信息：Transformer 更注重全局关系，可能在一些需要局部信息的任务中表现不佳。

因此，为了克服CNN和Transformer的局限性，SSMs（如Mamba）通过建立远距离依赖关系并保持线性复杂度，展现出在各种任务中的潜力。本文首次提出了 mamba-Yolov8，这是一种将Mamba结合到Yolov8架构中的方法，旨在展示其在目标检测任务中的潜力。通过结合Mamb