检测算法通常包括Backbone、Neck、Head等结构，屠榜的Swin Transformer当然也是可以被作为Backbone的，如下图所示：
在撸代码之前，需要对Swin-Transformer的各个模块有清晰的了解，下面首先是对每个模块的解析及整个网络结构的前向原理。需要注意一点，在Swin Transformer中，Patch需要理解为多通道的像素，即feater map上的一个像素点包含所有通道的值，而非一个token。
Patch Merging
- 该模块和YOLOX或Yolov5中的Fcous模块是大差小不差。存在于Stage2 ~ Stage4中，其作用主要是进行降采样，通过该模块后，feature map的会被shape降采样一倍，channel翻倍。其原理图如下：