RepVGG：让 VGG 风格卷积网络再度卓越
计算机视觉与模式识别
2021-03-30 v3 人工智能
机器学习
摘要
我们提出了一种简单而强大的卷积神经网络架构，其推理时主体类似于 VGG，仅由一堆 3x3 卷积和 ReLU 组成，而训练时模型具有多分支拓扑。这种训练时与推理时架构的解耦通过结构重参数化技术实现，故该模型命名为 RepVGG。在 ImageNet 上，RepVGG 达到了超过 80% 的 top-1 准确率，据我们所知这是普通模型首次做到。在 NVIDIA 1080Ti GPU 上，RepVGG 模型比 ResNet-50 快 83%，比 ResNet-101 快 101%，且准确率更高，并与 EfficientNet 和 RegNet 等最先进模型相比展现出良好的准确率-速度权衡。代码与训练模型见 https://github.com/megvii-model/RepVGG。
引用
@article{arxiv.2101.03697,
title = {RepVGG: Making VGG-style ConvNets Great Again},
author = {Xiaohan Ding and Xiangyu Zhang and Ningning Ma and Jungong Han and Guiguang Ding and Jian Sun},
journal= {arXiv preprint arXiv:2101.03697},
year = {2021}
}
备注
CVPR 2021