论文探索了在中型ImageNet-1k数据集上预训练的普通ViT到更具挑战性的COCO目标检测基准的可迁移性，提出了基于VisionTransformer的YouOnlyLookatOneSequence(YOLOS)目标检测模型。在具有挑战性的COCO目标检测基准上的实验结果表明，2D目标检测可以以纯sequence-to-sequence的方

本文属于原创独家改进:一种轻量级的MixedLocalChannelAttention(MLCA)模块，该模块考虑通道信息和空间信息，并结合局部信息和全局信息以提高网络的表达效果1.YOLOv10介绍论文：[https://arxiv.org/pdf/2405.14458]代码：https://gitcode.com/THU-MIG/yolov10?utm_source=c