一、导读    论文链接：https://arxiv.org/abs/2311.11587    代码链接：GitHub-CV-ZhangXin/AKConv YOLOv10训练、验证及推理教程二、C2f-CIB加入注意力机制2.1复制代码        打开ultralytics->nn->modules->block.py文件，复制SE

本文将进行使用迭代注意力特征融合（iterativeattentionalfeaturefusion，iAFF）改进c2f ，助力YOLOv10目标检测效果的实践，文中含全部代码、详细修改方式以及手撕结构图。助您轻松理解改进的方法。改进前和改进后的参数对比： 目录一AttentionalFeatureFusion（2020）二使用

一、站在巨人的肩膀上这里我们借鉴YOLOv8源码：上期说到，对于网络模块定义详情在common.py这个文件，如Conv、CrossConv、C3f等。本期要修改的需要参考YOLOv8里的C2f模块，它定义在YOLOv8的module文件夹的block.py文件里（与common.py一样），源码链接如下：YOLOv8源码https://github.com/u

YOLO目标检测创新改进与实战案例专栏目录：YOLO有效改进系列及项目实战目录包含卷积，主干注意力，检测头等创新机制以及各种目标检测分割项目实战案例简介YOLOv8是由Ultralytics开发的最先进的目标检测模型，推升了速度、准确性和用户友好性的界限。YOLO这一缩写代表“你

1.介绍YOLOv8是Ultralytics团队于2022年10月发布的最新一代目标检测模型。YOLOv8在YOLOv7的基础上进行了多项改进，包括引入C2f模块、改进PathAggregationNetwork(PAN)结构、优化LabelAssigning算法等。C2f模块是YOLOv8中引入的主要创新之一。C2f模块