YOLOv5、YOLOv8改进主干MobileViT系列：结合最新 ICLR2022 顶会|轻量通用的MobileViT结构（一）Transformer，轻量级、通用且移动友好的视觉转换器，高效涨点

• 该教程为改进进阶指南，包含大量的原创首发改进方式, 所有文章都是全网首发原创改进内容，本篇是MobileViT系列三个版本中的第一版论文 结合YOLOv5改进，MobileViT系列一 ,本文将改进该结构结合YOLO系列应用。
• 重点：有不少同学已经反应 专栏的教程 提供的网络结构 在数据集上有效涨点!!!
• 重点：进阶专栏内容持续更新中☁️️，订阅了该专栏的读者务必·私信博主·加·全新创新点进阶交流群·群内不定时会发一些其他未公开的Tricks.
• 本篇内容包括理论部分和YOLO改进结构代码，并提出首发原创X结构(其他地方没有)，进行改进，针对YOLOv5、YOLOv8 对mobilevit结构 提出多种改进方式.

包含整个 MobileViT 系列（Transformer不同论文）

目前最新一共3个版本，分别是MobileViT模型、MobileViTv2模型、MobileViTv3模型，这是三篇不同的论文！！

本篇文章 基于 YOLOv5网络：最新结合 ICLR2022 顶会|轻量通用的 MobileViT 结构 Transformer，轻量级、通用且移动友好的视觉转换器，MobileViT系列一,本文将结合YOLO系列应用。