ConvNeXt

ConvNeXt 是一个面向2020年代的纯卷积神经网络（CNN）架构，旨在继承Transformer在视觉任务中的先进性能，同时保持CNN的简洁性、高效性和可扩展性。其核心特点包括深度堆叠的卷积模块、倒置瓶颈结构、LayerNorm替代BN、以及全局响应归一化（GRN）等设计，在ImageNet分类、目标检测与语义分割等下游任务中表现出色。项目提供完整PyTorch实现，涵盖ImageNet-1K/22K预训练、微调及迁移代码，并支持多尺度推理与Hugging Face在线演示。适用于需要高性能、低维护成本视觉基础模型的研究与工业部署场景。