YOLOv9改进策略【Conv和Transformer】| Bottleneck Transformers 简单且高效的自注意力模块
一、本文介绍
本文记录的是利用Bottleneck Transformers (BoT)优化YOLOv9的目标检测网络模型。标准的卷积操作虽然能有效捕获局部信息，但在处理需要全局信息整合的任务时存在局限性，而自注意力机制能够有效地建模长距离依赖，因此考虑将其引入到视觉架构中。本文利用BoT模块将标准卷积和自注意力相结合，提高模型的全局感知能力。
专栏目录：YOLOv9改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进方向
文章目录
原文地址：https://blog.csdn.net/qq_42591591/article/details/142488038
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！