原论文地址：原论文下载地址 论文相关内容介绍：  论文摘要翻译： 具有自关注的Transformer导致了自然语言处理领域的革命，并且最近在许多计算机视觉任务中激发了具有竞争性结果的Transformer风格架构设计的出现。然而，大多数现有设计直接使用二维特征图上的自关注来获得基于每个空间位置上的孤立查询和键对的关注矩阵，而没有充分利用相邻键之间的丰富上下文。在这项工作中，我们设计了一个新颖的

1、在yolov5/models下面新建一个CoTAttention.py文件，在里面放入下面的代码 代码如下： import numpy as npimport torchfrom torch import flatten, nnfrom torch.nn import initfrom torch.nn.modules.activation import ReLUfrom to