【第46篇】RepVGG ：让卷积再次伟大

AI浩

已于 2023-07-15 15:35:48 修改

阅读量1.1k

点赞数 5

分类专栏：高质量人类CV论文翻译文章标签：深度学习神经网络人工智能

于 2022-08-22 14:17:07 首次发布

本文为博主原创文章，未经博主允许不得转载。

本文链接：https://blog.youkuaiyun.com/hhhhhhhhhhwwwwwwwwww/article/details/126446922

版权

高质量人类CV论文翻译专栏收录该内容

138 篇文章 ¥79.90 ¥99.00

订阅专栏

本文介绍了RepVGG，一种基于VGG架构的卷积神经网络，通过结构重新参数化技术在训练时实现多分支、推理时简化为普通拓扑。该模型在保持简单性的同时，提供了与复杂模型相当甚至超越的性能，特别是在速度和内存效率方面。RepVGG通过消除多分支架构的缺点，实现了在GPU和专用硬件上的快速推理，且易于实现和定制。实验证明，RepVGG在ImageNet分类和语义分割任务上表现优异，同时具有良好的准确度-速度权衡。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

摘要

在这里插入图片描述

我们提出了一个简单但功能强大的卷积神经网络架构，它具有类似 VGG 的推理时间体，仅由一堆 3×3 卷积和 ReLU 组成，而训练时间模型具有多分支拓扑。这种训练时间和推理时间架构的解耦是通过结构重新参数化技术实现的，因此该模型被命名为 RepVGG。据我们所知，在 ImageNet 上，RepVGG 达到了超过 80% 的 top-1 准确率，这是普通模型的第一次。在 NVIDIA 1080Ti GPU 上，RepVGG 模型的运行速度比 ResNet-50 快 83% 或比 ResNet-101 快 101%，具有更高的准确度，并且与 EfficientNet 和 RegNet 等最先进的模型相比，表现出良好的准确度-速度权衡。代码和训练模型可在 https://github.com/megvii-model/RepVGG 获得。