文章题目:RepVGG:Make VGG-style ConvNets outstanding again
代码地址:在公众号「3D视觉工坊」,后台回复「RepVGG」,即可直接下载。
摘要:
本文提出一种简单而强有力的CNN架构RepVGG,在推理阶段,它具有与VGG类似的架构,而在训练阶段,它则具有多分支架构体系,这种训练-推理解耦的架构设计被称为“重参数化”。
研究现状:
尽管许多复杂的ConvNet都比简单的ConvNet提供更高的准确性,但缺点很明显。1)复杂的多分支设计(例如ResNet中的残差加法和Inception中的分支级联)使模型难以实现和定制,减慢了推理速度并降低了内存利用率。2)一些组件增加了内存访问成本,并且缺乏对各种设备的支持。此外,还有影响的因素,浮点运算(FLOP)的数量不能准确反映实际速度。因此,VGG和ResNets的原始版本仍然在学术界和工业界广泛用于现实世界的应用程序。
研究