一、本文介绍本文记录的是利用ViViT（Vision Transformer）的卷积改进方案改进YOLOv10的特征提取部分。ViViT将Transformer应用于图像领域，通过自注意力机制捕获全局依赖关系。二、ViViT模块介绍2.1 设计出发点传统卷积神经网络缺乏全局建模能力，ViViT通过自注意力机制实现全局特征交互。2.2 模块结构ViViT块：图像分块：将图像划分为多个patch线性投影：将每个patch映射到特征向量位置编码：添加位置信息多头自注意力：捕获全局依赖前馈网络：非线性变换三、ViViT的实现代码importtorchimporttorch.nnas 一、本文介绍本文记录的是利用ViViT（Vision Transformer）的卷积改进方案改进YOLOv10的特征提取部分。ViViT将Transformer应用于图像领域，通过自注意力机制捕获全局依赖关系。二、ViViT模块介绍2.1 设计出发点传统卷积神经网络缺乏全局建模能力，ViViT通过自注意力机制实现全局特征交互。2.2 模块结构ViViT块：图像分块：将图像划分为多个patch线性投影：将每个patch映射到特征向量位置编码：添加位置信息多头自注意力：捕获全局依赖前馈网络：非线性变换三、ViViT的实现代码importtorchimporttorch.nnas 
![洛谷 P7912：[CSP-J 2021 T4] 小熊的果篮 ← 双向链表](http://pic.xiahunao.cn/yaotu/洛谷 P7912：[CSP-J 2021 T4] 小熊的果篮 ← 双向链表)
