LLLMWIKI
正文元数据首页

来源笔记 · 更新于 2026-07-14

A ConvNet for the 2020sConvNeXt 与现代卷积主干

#near-cvpr-2025#vision-foundations#representation-learning#primary-source

ConvNeXt：现代卷积主干

一句话结论

ConvNeXt 通过现代化 ResNet 的宏观结构、卷积块和训练配方，在多个视觉任务上与层级 Transformer 竞争，否定了“卷积已失去研究价值”的简单叙事。

问题定义

Swin 等模型的优势有多少来自注意力本身，有多少来自更新的训练与架构设计？

方法概述

从 ResNet-50 出发，逐项采用现代 stage 比例、patchify stem、深度可分离大核卷积、倒置瓶颈、GELU 与 LayerNorm。

关键发现

  • 纯卷积主干可在分类、检测和分割上保持竞争力。
  • 现代 recipe 与宏观结构是能力来源的重要部分。
  • CNN 与 Transformer 的比较必须控制数据、训练和下游框架。

局限或疑问

  • 逐项改造存在交互作用，不能把每个增益当作独立因果。
  • FLOPs 不能代表所有硬件上的真实效率。
  • 论文不否认注意力在多模态、生成和全局关系中的优势。

原始链接

相关页面

元数据
{
  "id": "2026-07-14-convnext",
  "type": "source",
  "title": "A ConvNet for the 2020s：ConvNeXt 与现代卷积主干",
  "status": "reviewed",
  "created": "2026-07-14",
  "updated": "2026-07-14",
  "venue": "CVPR 2022",
  "ingested_at": "2026-07-14",
  "tags": [
    "near-cvpr-2025",
    "vision-foundations",
    "representation-learning",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Zhuang Liu",
    "Hanzi Mao",
    "Chao-Yuan Wu",
    "Christoph Feichtenhofer",
    "Trevor Darrell",
    "Saining Xie"
  ],
  "published_at": "2022-01-01",
  "canonical_links": [
    "https://arxiv.org/abs/2201.03545",
    "https://openaccess.thecvf.com/content/CVPR2022/html/Liu_A_ConvNet_for_the_2020s_CVPR_2022_paper.html",
    "https://arxiv.org/pdf/2201.03545",
    "https://github.com/facebookresearch/ConvNeXt"
  ],
  "raw_entry": "raw/ingest/2026-07-14-convnext/",
  "analysis_note": "raw/ingest/2026-07-14-convnext/analysis.md",
  "topics": [
    "topics/vision-backbones",
    "topics/computer-vision-overview"
  ],
  "entities": [],
  "claims": [],
  "questions": []
}