改进YOLOv8注意力系列五：结合ParNetAttention注意力、高效的金字塔切分注意力模块PSA、跨领域基于多层感知器（MLP）S2Attention注意力 代码SEAttention轻量通道注意力ShuffleAttention重排特征注意力模块SimAM无参数化注意力 加入方法各种yaml加入结构   本文提供了改进 YOLOv8注意力系列包含不同的注意力机制以及多

最新创新点改进推荐 -💡统一使用 YOLO 代码框架，结合不同模块来构建不同的YOLO目标检测模型。 🔥 《芒果书》系列改进专栏内的改进文章，均包含多种模型改进方式，均适用于YOLOv3 、YOLOv4 、 YOLOR 、 YOLOX 、YOLOv5 、 YOLOv7 、 YOLOv8 改进（重点）！！！ 🔥 专栏创新点教程 均有不少同学反应和我说已经在自己的数据集上有效涨点啦！！ 包

目录 简介 SE 通道注意力机制 2.1 SE 通道注意力机制的定义与作用 2.2 SE过程： Squeeze + Excitation + Scale 3.YOLOV5改进 3.1首先common加入以下代码 3.2在yolo.py中进行注册 3.3yaml文件的配置，以yolov5s为参照 简介 SENet是2017年ImageNet比赛的冠军，2018年CV