💡💡💡本文独家改进:轻量化改进之高效移动应用的卷积加性自注意Vision Transformer,构建了一个新颖且高效实现方式——卷积加性相似度函数,并提出了一种名为卷积加性标记混合器(CATM) 的简化方法来降低计算开销
💡💡💡性能比较:计算量参数量均有一定程度降低
YOLOv8 summary: 225 layers, 3011043 parameters, 3011027 gradients, 8.2 GFLOPs
YOLOv8_C2f_AdditiveBlock summary: 625 layers, 2894163 parameters, 2894147 gradients, 7.8 GFLOPs
改进结构图如下: