RepVGG：使VGG样式的ConvNets再次出色

重振VGG雄风！主体仅使用3×3卷积和ReLU！据作者称，在ImageNet上，RepVGG的top-1准确性达到80％以上，这是基础模型的首次实现！综合性能超越ResNet、EfficientNet等，部分代码刚刚开源！

注1：文末附【计算机视觉细分垂直方向】交流群（含检测、分割、跟踪、医疗、GAN、Transformer等）
注2：欢迎点赞，支持分享！

RepVGG

RepVGG: Making VGG-style ConvNets Great Again

• 作者单位：清华大学(丁贵广团队), 旷视科技(孙剑等人), 港科大, 阿伯里斯特威斯大学
• 代码1：https://github.com/megvii-model/RepVGG
• 代码2（基于PyTorch）：https://github.com/DingXiaoH/RepVGG
• 论文下载链接：https://arxiv.org/abs/2101.03697

我们提出了一个简单但强大的卷积神经网络架构，该架构具有类似于VGG的推理时间主体，该主体仅由3x3卷积和ReLU的堆栈组成，而训练时间模型具有多分支拓扑。

训练时间和推理时间架构的这种解耦是通过结构重新参数化(re-parameterization)技术实现的，因此该模型称为RepVGG。

主要贡献

实验结果

在ImageNet上，据我们所知，RepVGG的top-1准确性达到80％以上，这是纯模型首次实现。 在NVIDIA 1080Ti GPU上，RepVGG模型的运行速度比ResNet-50快83％，比ResNet-101快101％，具有更高的精度，并且与诸如EfficientNet和RegNet的最新模型相比，显示出良好的精度-速度折衷。

CVer-细分垂直交流群成立

扫码添加CVer助手微信，可申请加入CVer-细分垂直方向 微信交流群，也可申请加入CVer大群，细分方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、Transformer、PyTorch和TensorFlow等群。

CVer小助手微信号：CVer6666。一定要备注：研究方向+地点+学校/公司+昵称（如目标检测+上海+上交+卡卡），根据格式备注，才能通过且邀请进群

强烈推荐大家关注和CVer微信公众号，可以快速了解到最新优质的CV论文。