一、本文介绍本文记录的是利用ViT-CNN混合卷积改进YOLOv10的特征提取部分。通过将Vision Transformer和卷积神经网络相结合，实现高效的特征提取。二、ViT-CNN混合模块介绍2.1 设计出发点ViT擅长全局建模，CNN擅长局部特征提取，两者结合可以互补优势。2.2 模块结构ViT-CNN混合块：CNN分支：局部特征提取ViT分支：全局特征建模特征融合：融合两个分支的特征三、ViT-CNN混合的实现代码importtorchimporttorch.nnasnnclassViTCNNBlock