一、本文介绍本文记录的是利用单头自注意力SHSA改进YOLOv11检测模型，详细说明了优化原因，注意事项等。传统的自注意力机制虽能提升性能，但计算量大，内存访问成本高，而SHSA从根本上避免了多注意力头机制带来的计算冗余。并且改进后的模型在相同计算预算下，能够堆叠更多宽度更大的

本改进已同步到YOLO-Magic框架！最近，高效的视觉Transformer在资源受限的设备上以低延迟表现出了出色的性能。传统上，它们在宏观层面上采用4×4的Patch嵌入和四阶段结构，而在微观层面上使用多头配置的复杂注意力机制。本文旨在通过内存高效的方式解决各个设计层面的计算冗余