在基于点积自注意的新空间建模机制的推动下，视觉变形器的最新进展在各种任务中取得了巨大成功。在本文中，我们展示了视觉变形器背后的关键要素，即输入自适应、长距离和高阶空间交互，也可以通过基于卷积的框架有效实现。我们提出了递归门控卷积（gnConv），通过门控卷积和递归设计实现高阶空间交互。gnConv可作为即插即用模块，用于改进各种视觉转换器和基于卷积的模型。在此基础上，我们构建了一个新的通用视觉骨干

论文地址：https://arxiv.org/pdf/2207.14284.pdf 源码地址：https://github.com/raoyongming/HorNet. HorNet是在Swin transformer结构的基础上，结合大核思想提出的新的网络结构模块，使用该模块，作者在ImageNet-1k数据集上做分类，分割以及检测任务都在当时达到了SOTA的效果，是一个能有效增强