【YOLOv7/YOLOv5系列改进NO.50】超越ConvNeXt！Conv2Former：用于视觉识别的Transformer风格的ConvNet

---

前言

作为当前先进的深度学习目标检测算法YOLOv7，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv7的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。由于出到YOLOv7，YOLOv5算法2020年至今已经涌现出大量改进论文，这个不论对于搞科研的同学或者已经工作的朋友来说，研究的价值和新颖度都不太够了，为与时俱进，以后改进算法以YOLOv7为基础，此前YOLOv5改进方法在YOLOv7同样适用，所以继续YOLOv5系列改进的序号。另外改进方法在YOLOv5等其他算法同样可以适用进行改进。希望能够对大家有帮助。
具体改进办法请关注后私信留言！关注免费领取深度学习算法学习资料！

---

一、解决问题

一般解决问题为：拟补全卷积网络缺乏长距离建模能力。此前已经有过相关尝试，有一定的效果。💡🎈☁️17. CNN+Transformer——融合Bottleneck Transformers💡🎈☁️21. CNN+Transformer——主干网络替换为又快又强的轻量化主干EfficientFormer