YOLOv7改进之MAE主干： 超强ConvNeXtV2 升级版结构，当MAE+YOLO卷积高效涨点
目录
1，原理概述
2，代码改进
新增一个convnextv2.py文件，增加以下代码
修改部分
第二步：在yolo.py中加入以下代码
然后在 在yolo.py中配置找到./models/yolo.py文件下里的parse_model函数，将类名加入进去
参考代码
YOLOv7网络配置文件
1，原理概述
原文：https://arxiv.org/abs/2301.00808
在改进的架构和更好的表示学习框架的推动下，视觉识别领域在 2020 年代初期实现了快速的现代化和性能提升。例如，以 ConvNeXt [52] 为代表的现代 ConvNet 在各种场景中都表现出了强大的性能。虽然这些模型最初是为使用 ImageNet 标签的监督学习而设计的，但它们也有可能受益于自我监督学习技术，例如掩码自动编码器 （MAE） [31]。然而，