YOLOv9改进策略【注意力机制篇】| 2024 SCI TOP FCAttention 即插即用注意力模块，增强局部和全局特征信息交互
一、本文介绍
本文记录的是基于FCAttention模块的YOLOv9目标检测改进方法研究。FCAttention是图像去雾领域新提出的模块能够有效整合全局和局部信息、合理分配权重的通道注意力机制，使得网络能够更准确地强调有用特征，抑制不太有用的特征，在目标检测领域中同样有效。
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
专栏地址：YOLOv9改进专栏——以发表论文的角度，快速准确的找到有效涨点的创新点！
文章目录
- 一、本文介绍
- 二、FCA原理
-
- 2.1 原理
- 2.2 优势
- 三、FCAttention的实现代码
- 四、添加步骤
-
- 4.1 修改common.py
-
- 4.1.1 基础模块1
- 4.1.2 创新模块2⭐
- 4.2 修改yolo.py
- 五、yaml模型文件
-
- 5.1 模型改进版本一
- 5.2 模型改进版本二⭐
- 六、成功运行结果