利用了可变形卷积的经典CNN网络模型有哪些

利用了可变形卷积的经典CNN网络模型包括：

1. Deformable Convolutional Networks (DCN)：由Dai等人于2017年提出的一种基于可变形卷积的网络模型，旨在提高卷积神经网络对物体形变的适应性。

2. Deformable ResNet (Deformable-ResNet)：由Dai等人于2018年提出的一种基于可变形卷积的ResNet网络模型，通过引入可变形卷积模块，提高了ResNet对目标不规则形状的适应性。

3. Deformable Convolutional Networks v2 (DCNv2)：由Zhu等人于2019年提出的一种基于可变形卷积的网络模型，通过在可变形卷积模块中引入多分支机制，进一步提高了网络的性能。

4. Deformable ConvNetv3 (DCNv3)：由Zhu等人于2020年提出的一种基于可变形卷积的网络模型，通过引入自适应采样策略和多尺度特征融合机制，进一步提高了网络的性能。