本文基于YOLOv13 官方仓库（iMoonLab/yolov13，ultralytics 8.3.63 fork）实测整理，Windows/CPU 全程可跑。Backbone 篇开篇：主干层的改法是"块级替换"——把 v13 的 A2C2f 换成其他架构的骨干块。第一篇带来 ConvNeXt V2（Woo et al., CVPR 2023，官方源码 facebookresearch/ConvNeXt-V2），它的GRN（全局响应归一化）专为"卷积网络缺乏特征多样性竞争"设计。本文替换 backbone 的层 6（A2C2f），实测参数减少 35,328、GFLOPs 降至 6.33。前言Backbone 层的替换与卷积层的单点替换类似，但对象是整个骨干块（v13 用的是 A2C2f）。替换点是 backbone 的层 6：A2C2f（输入输出同为 128 通道 @40×40，形状保持）。层数不变，无顺移。层 8 的替换方法相同，通道为 256。专栏目录：YOLOv13改进目录一览专栏地址： YOLOv13改进策略【Backbone篇】| ConvNeXt V2 Block，GRN 让卷积网络重获全局竞争力
本文基于YOLOv13 官方仓库（iMoonLab/yolov13，ultralytics 8.3.63 fork）实测整理，Windows/CPU 全程可跑。Backbone 篇开篇：主干层的改法是"块级替换"——把 v13 的 A2C2f 换成其他架构的骨干块。第一篇带来 ConvNeXt V2（Woo et al., CVPR 2023，官方源码 facebookresearch/ConvNeXt-V2），它的GRN（全局响应归一化）专为"卷积网络缺乏特征多样性竞争"设计。本文替换 backbone 的层 6（A2C2f），实测参数减少 35,328、GFLOPs 降至 6.33。前言Backbone 层的替换与卷积层的单点替换类似，但对象是整个骨干块（v13 用的是 A2C2f）。替换点是 backbone 的层 6：A2C2f（输入输出同为 128 通道 @40×40，形状保持）。层数不变，无顺移。层 8 的替换方法相同，通道为 256。专栏目录：YOLOv13改进目录一览专栏地址：