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。
研究贡献：
基于上述研究现状，本文的研究人员提出了一种简单有强有的CNN架构RepVGG，相比其他架构，具有更佳的精度-速度均衡；对plain架构采用重参数化技术；并在图像分类、语义分割等任务上验证了RepVGG的有效性。
研究细节：<
