🚀🚀🚀本文改进：动态稀疏注意力（BiLevelRoutingAttention），实现更灵活的计算分配和内容感知，使其具备动态的查询感知稀疏性，引入到YOLOv8-Seg任务中，1）与C2f结合实现二次创新；2）注意力机制使用；

🚀🚀🚀BiLevelRoutingAttention  亲测在番薯破损分割任务中，mask mAP@0.5 从原始的0.625提升至0.662

🚀🚀🚀YOLOv8-seg创新专栏：http://t.csdnimg.cn/KLSdv

学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研；
1）手把手教你如何训练YOLOv8-seg；
2）模型创新，提升分割性能；
3）独家自研模块助力分割；

 1.BiFormer介绍

背景：注意力机制是Vision Transformer的核心构建模块之一，可以捕捉长程依赖关系。然而，由于