本文改进:SPPF_improve利用全局平均池化层和全局最大池化层，加入一些全局背景信息和边缘信息，从而获取全局视角信息并减轻不同尺度大小所带来的影响，强烈推荐，适合直接使用，paper创新级。

目录

1，YOLOv10介绍

1.1 C2fUIB介绍

1.2 PSA介绍

1.3 SCDown

2.SPP &SPPF9介绍

2.1 如何创新优化SPPF

改进2：输入加入两个全局平均池化层，最后通过Concat连接

3，如何加入YOLOv10

3.1新建加入ultralytics/nn/sppf/SPPF improve.py

3.2 注册ultralytics/nn/tasks.pySPPF_improve进行注册

3.3 yolov10n-SPPF improve.yaml

---

1，YOLOv10介绍

论文：https://arxiv.org/pdf/2405.14458

代码：GitHub - THU-MIG/yolov10: YOLOv10: Real-Time End-to-End Object Detection

摘要:在过去的几年里，由于其在计算成本和检测性能之间的有效平衡，YOLOS已经成为实时目标检测领域的主导范例。研究人员已经探索了YOLOS的架构设计、优化目标、数据增强策略等，并取得了显著进展。然而，对用于后处理的非最大抑制 (NMS)的依赖妨碍了YOLOS的端到端部署，并且影响了推理延迟。此外，YOLOS中各部件的设计缺