YOLOv8独家首发改进：聚合全局、局部信息模块D-Mixer和全新重叠空间降维注意力 | TransXNet ，CNN 与 ViT 的完美结合，2023.11

 💡💡💡本文独家改进：改进1）重叠空间降维注意力(OSRA)，2）混合网络模块(D-Mixer)，聚合全局信息和局部细节，分别引入到YOLOv8，做到二次创新；

推荐指数：5颗星

💡💡💡Yolov8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：

https://blog.csdn.net/m0_63774211/category_12289773.html

✨✨✨原创魔改网络、复现前沿论文，组合优化创新

🚀🚀🚀小目标、遮挡物、难样本性能提升

🍉🍉🍉持续更新中，定期更新不同数据集涨点情况
 

1.TransXNet原理介绍

论文：