用注意力机制魔改YOLOv5涨点

YOLOv5添加注意模块魔改

视觉注意力机制是一个好东西，即插即用，YOLOv5 7.0版本工程代码简洁明了，代码加入视觉注意力模块支持异常方便，以SE注意力为例，只要三步即可完成：

1. 修改模型结构文件yaml、添加注意力机制SENet模块

2. 修改模型结构实现代码文件common.py，实现SENet模块代码添加

3. 修改模型解析代码文件yolo.py，注册新添加的SENet模块解析支持

这样就完成了YOLOv5+SE注意力模块的支持，别急，我还修改了ECA、CA、GAM、CBAM，显示如下：

然后统统训练100轮次，跟原来的没有添加注意力机制的对比一下，看看效果怎么样？答案揭晓了，

我只是在SPPF之前的一层添加了注意力模块，只有这个小小的改动！从效果看，基本都可以涨点了…

对比验证结果

100 轮次OID数据集自定义数据，YOLOv5s模型与SE、ECA、CA、CBAM、GAM五种注意力改进模型，mAP指标统计与对比

YOLOv5注意力机制模型部署

然后我还基于以前的测试程序上测试一下，导出ONNX格式，然后通过ONNXRUNTIME进行推理，以SE注意力+YOLOv5s为例，感觉一切顺利。PyQT5 + ONNXRUNTIME, 图示如下：