YOLOv10改进 | Conv篇 | 在线重参数化卷积OREPA助力二次创新（提高推理速度 + FPS）

 一、本文介绍

本文给大家带来的改进机制是一种重参数化的卷积模块OREPA，这种重参数化模块非常适合用于二次创新，我们可以将其替换网络中的其它卷积模块可以不影响推理速度的同时让模型学习到更多的特征。OREPA是通过在线卷积重参数化（Online Convolutional Re-parameterization）来减少深度学习模型训练的成本和复杂性。这种方法主要包括两个阶段：首先，利用一个特殊的线性缩放层来优化在线块的性能；其次，通过将复杂的训练时模块压缩成一个单一的卷积来减少训练开销。欢迎大家订阅本专栏，本专栏每周更新3-5篇最新机制，更有包含我所有改进的文件和交流群提供给大家。

欢迎大家订阅我的专栏一起学习YOLO！

   专栏回顾：YOLOv10改进系列专栏——本专栏持续复习各种顶会内容——科研必备 

---

目录

 一、本文介绍

二、OREPA原理

2.1 OREPA的基本原理

2.2 两阶段流程

2.3 线性缩放层</