一、理论知识

S2MLPv2 依是百度提出的用于视觉的空间位移 MLP 架构，其作者以及顺序与 S2MLP 一模一样，其论文为 S2-MLPv2: Improved Spatial-Shift MLP Architecture for Vision。S2MLPv2 的修改点主要在于三处：金字塔结构（参考 ViP）、分三类情况进行考虑（参考 ViP）、使用 Split Attention（参考 ViP 和 ResNeSt）。总结而言就是把 ViP 中的 Permute-MLP layer 中别人沿着不同方向进行交互替换为了 Spatial-shift 操作。在参数量基本一致的情况下，其性能优于 ViP。