YOLOv8多种方法改进CBAM注意力机制有效提升检测精度（已跑通)
一、CBAM概念
CBAM（Convolutional Block Attention Module）是一种用于卷积神经网络（CNN）的注意力机制，旨在提高网络的表现能力。它通过引入两个注意力模块来增强特征图的表达能力。
二、源码：
class ChannelAttention(nn.Module):def __init__(self, in_planes, ratio=16):super(ChannelAttention, self).__init__()self.avg_pool = nn.AdaptiveAvgPool2d(1)self.max_pool = nn.AdaptiveMaxPool2d(1)self.f1 = nn.Conv2d(in_planes, in_planes // ratio, 1, bias=False)self.relu = nn.ReLU()self.f2 = nn.Conv2d(in_planes // ratio, in_planes, 1, bias=False)self.sigmoid = nn.Sigmoid()def forward(self, x):avg_out = self.f2(self.relu(self.f1(self.avg_pool(x))))max_out = self.f2(self.relu(self.f1(self.max_pool(x))))out = self.sigmoid(avg_out + max_out)return outclass SpatialAttention(nn.Module):def __init__(self, kernel_size=7):super(SpatialAttention, self).__init__()assert kernel_size in (3, 7), 'kernel size must be 3 or 7'padding = 3 if kernel_size == 7 else 1self.conv = nn.Conv2d(2, 1, kernel_size, padding=padding, bias=False)self.sigmoid = nn.Sigmoid()def forward(self, x):# 1*h*wavg_out = torch.mean(x, dim=1, keepdim=True)max_out, _ = torch.max(x, dim=1, keepdim=True)x = torch.cat([avg_out, max_out], dim=1)# 2*h*wx = self.conv(x)# 1*h*wreturn self.sigmoid(x)class CBAM(nn.Module):def __init__(self, c1, c2, ratio=16, kernel_size=7): # ch_in, ch_out, number, shortcut, groups, expansionsuper(CBAM, self).__init__()self.channel_attention = ChannelAttention(c1, ratio)self.spatial_attention = SpatialAttention(kernel_size)def forward(self, x):out = self.channel_attention(x) * x# c*h*w# c*h*w * 1*h*wout = self.spatial_attention(out) * outreturn out三、改进步骤
第一步，在ultralytics/nn/modules/conv.py文件内添加注意力源码
第二步，在ultralytics/nn/modules/init.py文件内，按下图标识的地方添加注意力名
第一处：在from .conv import()处最后，添加注意力名称
第二处：在__all__={}处最后，添加注意力名称
第三步，在ultralytics/nn/tasks.py文件内，
首先，在from ultralytics.nn.modules import 处添加CBAM
其次，键盘点击CTRL+shift+F打开查找界面，搜索elif m in ，在该函数下方有一堆的elif m in XXX，在某一个elif下方添加如下代码
elif m in {CBAM}:c1, c2 = ch[f], args[0]if c2 != nc: # if not outputc2 = make_divisible(min(c2, max_channels) * width, 8)args = [c1, c2, *args[1:]] 
第五步，在ultralytics/cfg/models/v8文件下，复制yolov8.yaml，并改成自己的名字（如yolov8-CBAM.yaml）
第一种修改方法，在backbone中添加CABM，因为添加了一层CABM，所以在Detect处也要相应的做出修改，如下：
运行结果：
第二张修改方法，在backbone和head中分别添加CABM，Detect处也要根据添加的层数做出相应的做出修改，如下：
运行结果：
