EdgeNext模型详解及代码复现
架构特点
EdgeNeXt是一种集CNN与Transformer于一体的混合架构，其核心创新在于引入了 分割深度转置注意力（SDTA）编码器 。这种设计巧妙地将深度卷积与自适应核大小以及转置注意力相结合，实现了最佳的精度-速度平衡。
SDTA编码器主要由两个组件构成：
-
特征编码模块 ：受Res2Net架构启发，采用多尺度处理方法，将输入张量分割成多个通道组，然后对每个通道组应用深度卷积操作。这种设计能够学习自适应多尺度特征表示，使输出特征的空间感受野更加灵活和自适应。
-
自注意计算模块 ：通过跨通道维度而非空间维度应用多头自注意力（MHA），有效降低了计算复杂度。具体而言，计算查询（Q）、键（K）和值（V）映射时，将L2范数应用于Q和K，然后在Q和K的转置之间的通道维度上应用点积，生成C×C的softmax缩放注意力得分矩阵。
这种创新设计使得SDTA编码器在保持较低计算复杂度的同时，能够有效编码全局信息。具体优势包括：
-
复杂度降低 ：将原始自注