本文基于YOLOv13 官方仓库（iMoonLab/yolov13，ultralytics 8.3.63 fork）实测整理，Windows/CPU 全程可跑。前言YOLOv13（HyperACE 超图 + FullPAD 全流水线聚合架构）采用全新的 A2C2f/DSConv backbone 结构，但注意力模块的即插即用特性不变。这篇把EMA（Efficient Multi-Scale Attention，ICASSP 2023）接入 v13：通道分组 + 方向池化 + 跨空间矩阵乘学习，不降维、GroupNorm 训练更稳，本文实测仅+672 参数。专栏目录：YOLOv13改进目录一览专栏地址：YOLOv13改进专栏——持续更新各方向即插即用改进一、先看懂 YOLOv13 的结构：插入点变了v13 的 backbone 末端 YOLOv13改进策略【注意力机制篇】| ICASSP 2023 EMA 高效多尺度注意力，跨空间学习提高远距离建模依赖
本文基于YOLOv13 官方仓库（iMoonLab/yolov13，ultralytics 8.3.63 fork）实测整理，Windows/CPU 全程可跑。前言YOLOv13（HyperACE 超图 + FullPAD 全流水线聚合架构）采用全新的 A2C2f/DSConv backbone 结构，但注意力模块的即插即用特性不变。这篇把EMA（Efficient Multi-Scale Attention，ICASSP 2023）接入 v13：通道分组 + 方向池化 + 跨空间矩阵乘学习，不降维、GroupNorm 训练更稳，本文实测仅+672 参数。专栏目录：YOLOv13改进目录一览专栏地址：YOLOv13改进专栏——持续更新各方向即插即用改进一、先看懂 YOLOv13 的结构：插入点变了v13 的 backbone 末端 RELATED READING
延伸阅读
更多一线实战笔记与深度复盘，助您持续精进
