Mamba-YOLO

用 Mamba 替 YOLO 主干，精度更高算力更省

Mamba-YOLO 是论文《Mamba-YOLO: SSMs-based for Object Detection》的官方 PyTorch 实现，把状态空间模型（SSM/Mamba）引入目标检测，替代 YOLO 系列常用的 CNN 或 Transformer 主干。它要解决的问题是：Transformer 检测器精度高但自注意力计算量随分辨率平方增长，CNN 又受限于局部感受野。项目用 Mamba 的线性复杂度序列建模能力，在保持全局信息交互的同时降低计算开销，并给出适配检测任务的网络结构与训练配置。核心能力包括可复现的检测精度、对 COCO 等标准数据集的训练/评估脚本，以及与 YOLO 框架相近的工程接口，方便研究者对比 SSM 与 CNN/Transformer 主干的差异。