ConvNeXtConvNeXt
ConvNeXt研究思路基于ResNet50进行改进,使用VIT的策略去训练原始的原始的ResNet50模型1宏观设计改变模型比例,ResNet50中stage1到stage4堆叠block的次数是(3, 4, 6, 3)比例大概是1:1:2:1,调整成(3, 3, 9, 3)和Swin-T拥有相似的计算速度(FLOPs),准确率由78.8%提升到了79.4%。改变stem为patchify作者将ResNet中的stem也换成了和Swin Transformer一样的patchify。替换后准