💡💡💡本文解决什么问题：BiLevelRoutingAttention ，通过双层路由(bi-level routing)提出了一种新颖的动态稀疏注意力(dynamic sparse attention )

 ​BiLevelRoutingAttention  |  GFLOPs从9.6降低至8.5，参数量从6482kb降低至6134kb， mAP50从0.921提升至0.926

Yolov8-Pose关键点检测专栏介绍：https://blog.csdn.net/m0_63774211/category_12398833.html

✨✨✨手把手教你从数据标记到生成适合Yolov8-pose的yolo数据集；

🚀🚀🚀模型性能提升、pose模式部署能力；

🍉🍉🍉应用范围：工业工件定位、人脸、摔倒检测等支持各个关键点检测；

 1.Yolov8-pose引入BiLeve