YOLOv10模型改进-卷积层改进-第24篇：YOLOv10改进策略【卷积层】| ResNeSt卷积改进方案

一、本文介绍

本文记录的是利用ResNeSt卷积改进YOLOv10的特征提取部分。ResNeSt通过拆分注意力机制，实现高效的多尺度特征提取。

二、ResNeSt模块介绍

2.1 设计出发点

传统ResNet缺乏多尺度注意力机制，ResNeSt通过拆分注意力机制增强特征表达能力。

2.2 模块结构

ResNeSt块：

1. 分组卷积：将通道分组
2. 拆分注意力：对每个组计算注意力权重
3. 特征融合：融合不同组的特征

三、ResNeSt的实现代码

importtorchimporttorch.nnasnnclassSplAtConv2d