摘要

Next-ViT（下一代视觉Transformer）是专为解决传统ViT模型在工业部署中遇到的推理速度慢、计算复杂度高等问题而设计的。它巧妙地结合了高效的Next Convolution Block（NCB）和Next Transformer Block（NTB），通过创新的混合策略（NHS）堆叠这些模块，从而在各种视觉任务中实现了延迟与准确性的最佳权衡。NCB擅长捕获短期依赖信息，而NTB则专注于长期依赖的建模，两者相辅相成，共同提升了网络的建模能力和推理效率。

我们将YoloV10原有的主干网络替换为Next-ViT模块，这一改造带来了显著的性能提升。具体而言，Next-ViT模块凭借其高效的卷积和Transformer混合架构，使得YoloV10在保持原有快速推理速度的同时，检测精度得到了大幅提升。此外，Next-ViT的部署友好型设计也使得改造后的YoloV10在实际工业应用中更加得心应手，无论是服务器GPU还是移动设备，都能展现出卓越的性能表现。

优点如下：

• 增强的特征提取： Next-ViT模块通过其独特的Next Convo