RepVGG:使VGG样式的ConvNets再次出色

RepVGG是清华大学和旷视科技等团队提出的一种新型卷积神经网络架构,其在推理时仅包含3x3卷积和ReLU,训练时采用多分支拓扑。通过结构重新参数化技术,RepVGG在ImageNet上实现了超过80%的top-1准确率,超越ResNet和EfficientNet等模型的性能。同时,它在1080Ti GPU上的运行速度比ResNet-50快83%,ResNet-101快101%,并提供了良好的精度-速度权衡。此外,文章还提及了CVer的细分垂直交流群的成立。
摘要由CSDN通过智能技术生成

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!
在这里插入图片描述

RepVGG

RepVGG: Making VGG-style ConvNets Great Again
在这里插入图片描述

  • 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

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值