💡💡💡本文独家改进：为了降低计算量，构建了Multi-Dconv Head Transposed Attention，不在像素维度计算 attention，而是在通道维度计算。过程很简单，先用 point-wise conv 和 dconv 预处理，在通道维计算 atteniton
它有助于进行局部与非局部相关像素聚合，可以高效的进行高分辨率图像处理；
MDTA | 亲测在多个数据集能够实现大幅涨点
💡💡💡Yolov5/Yolov7魔术师，独家首发创新（原创），适用于Yolov5、Yolov7、Yolov8等各个Yolo系列，专栏文章提供每一步步骤和源码，轻松带你上手魔改网络
💡💡💡重点：通过本专栏的阅读，后续你也可以自己魔改网络，在网络不同位置（Backbone、head、detect、loss等）进行魔改，实现创新！！！
专栏介绍：
Yolov5/Yolov7魔术师_AI小怪兽的博客-CSDN博客
✨✨✨原创魔改网络、复现前沿论文，组合优化创新
&