CV-visiontransformer经典论文解读|RepViT: Revisiting Mobile CNN From ViT PerspectiveRepViT：从ViT视角重新审视移动CNN

论文标题

RepViT: Revisiting Mobile CNN From ViT Perspective

RepViT：从ViT视角重新审视移动CNN

论文链接

RepViT: Revisiting Mobile CNN From ViT Perspective论文下载

论文作者

Ao Wang, Hui Chen, Zijia Lin, Jungong Han, Guiguang Ding

内容简介

本文探讨了如何从视觉变换器（ViT）的角度重新设计轻量级卷积神经网络（CNN），以提高其在移动设备上的性能和效率。研究者们通过将轻量级ViT的高效架构设计整合到标准的轻量级CNN（如MobileNetV3）中，提出了一种新的轻量级CNN家族——RepViT。

实验表明，RepViT在各种视觉任务中均优于现有的轻量级ViT模型，并在iPhone 12上实现了超过80%的top-1准确率和1.0 ms的延迟。此外，RepViT与SAM结合后，其推理速度比MobileSAM快近10倍。

关键点

1.背景与动机：

轻量级ViT在移动设备上表现出色，