本文提出了一种名为Conv2Former的简单Transformer风格的卷积神经网络（ConvNet），用于视觉识别任务。该网络通过简化自注意力机制，利用卷积调制操作来编码空间特征，展示了在图像分类、目标检测和语义分割等任务上优于现有流行ConvNets和视觉Transformer模型的性能。

汇总了2025年和2024年最新的即插即用的代码模块，包含众多新颖的注意力机制和新型的卷积操作，对模型涨点作用明显，可以很容易的嵌入各种网络模型中，是非常好用且容易改进的创新点！