芒果YOLOv5改进44：主干Backbone篇之MobileViTv2：全网首发最新苹果续作加强版 MobileViTv2结构（二），提出移动视觉 Transformer 的可分离自注意力机制，高效

• 💡该教程为改进进阶指南，包含大量的原创首发改进方式, 所有文章都是全网首发原创改进内容🚀，本篇是MobileViT系列三个版本中的第二版论文结合YOLOv5改进，MobileViTv2系列二
  💡本篇文章 基于 YOLOv5、YOLOv8网络：首发最新结合苹果最新续作 MobileViTv2 结构(二)，提出移动视觉 Transformer 的可分离自注意力机制。该论文提出来的MobileViTv2结构对MobileViT进行升级改进！提出了一种具有线性复杂度的可分离自注意力方法，进一步提高效率，表现SOTA！性能优于Mobile-former等网络, 本文将改进该结构结合YOLOv5系列应用。
• 重点：🔥有不少同学已经反应 专栏的教程 提供的网络结构 在数据集上有效涨点!!!
• 重点：🌟进阶专栏内容持续更新中🎈☁️🏅️，订阅了该专栏的读者务必·私信博主·加·全新创新点进阶交流群·群内不定时会发一些其他未公开的Tricks.
• 本篇内容包括理论部分和YOLO改进结构代码，并提出首发原创 X结构(其他地方没有)，进行改进

包含整个 MobileViT 系列（Transformer不同论文）

目前最新一共3个版本，分别是MobileViT模型、MobileViTv2模型、MobileViTv3模型，这是三篇不同的论文！！