图像分类 / 23

ConvNeXt

现代化纯卷积网络

ConvNeXt吸收 Transformer 时代的宏观结构、归一化和训练策略，使用大核深度卷积构建现代纯卷积骨干，在保持卷积特性的同时提升规模化精度。代表性参数规模为约 28.6M–197.8M（Tiny 至 Large），性能定位是分类精度高，兼顾卷积部署特性。

PARAMETERS

参考参数与输入输出

代表性参数量约 28.6M–197.8M（Tiny 至 Large）

输入RGB 图像；常用 224×224 或更高分辨率

输出类别概率或层次视觉特征

算力与部署GPU 推荐；大模型需要较高显存和训练时长

参数量是公开代表性配置或合理范围，不同骨干、类别数、输入尺寸和实现版本会改变结果；详细实施时以选定配置导出的模型信息为准。

PERFORMANCE

分类精度高，兼顾卷积部署特性。精度通常优于经典 ResNet，但速度、显存和部署普适性不如轻量 MobileNet。网站不使用脱离条件的单一 FPS 或 mAP 数字作为承诺，因为数据集、输入尺寸、精度模式、批量大小、GPU 型号和后处理口径都会显著改变测试结果。

CHARACTERISTICS & USE CASES

MODEL COMPARISON

模型	参考参数规模	速度	精度定位	部署	优先场景
MobileNet	约 2.5M–6.9M（V1/V2/V3 常见配置）	很高	中	成熟	低功耗视觉终端
ResNet	约 11.7M/25.6M/44.5M（18/50/101）	高	高	成熟	工业图像分类
VGG	约 138M/144M（VGG16/VGG19）	中低	中	成熟	教学与算法对照
ConvNeXt当前	约 28.6M–197.8M（Tiny 至 Large）	中	很高	较成熟	高精度产品分类
YOLO Classify	约 2.7M–57M（随版本和尺度变化）	很高	高	成熟	整图缺陷判级

表中“速度、精度、部署”为同类别内的定性定位，用于缩小候选范围，不替代同一测试集、同一硬件和同一精度模式下的实测。

SELECTION SUMMARY

ConvNeXt适合优先考虑高精度产品分类、服务器端视觉骨干、复杂纹理与细粒度识别的项目。它的主要价值是大核深度卷积扩大有效感受野；需要重点评估大模型训练成本明显高于 ResNet18/50、部分边缘推理引擎对 LayerNorm 与大核优化不足。

建议先用企业真实数据建立基线，再统一测试准确率、召回率、误检率、单张延迟、峰值显存和导出兼容性，最后确定模型规模与部署方式。