1.如何评价cvpr2021的论文接收结果?

如何评价cvpr2021的论文接收结果?

       本届CVPR论文接收结果令人满意，实习期间参与的两个项目——RepVGG和Diverse Branch Block（简称ACNet v2）均成功入选。RepVGG是一款基于VGG架构的极简设计，摒弃了分支结构，仅采用3x3卷积层，勤学网模板源码该设计在ImageNet数据集上达到.5%的全新飞鸟源码准确率，与当前顶尖架构如RegNet相比，性能有明显提升。项目源代码和模型已开放，GitHub上收获+星。

       Diverse Branch Block设计了一种通用的构建模块，通过将平均池化、1x1卷积和3x3卷积连续连接的燕窝溯源码打假块（Inception-like block）替换传统卷积，大幅提升了模型的微观结构复杂度。独特之处在于，该复杂块在训练结束后可转换为一个单一卷积层，保证了模型最终大小和速度与使用普通卷积的在线diy台历源码模型一致。

       两个项目共通之处在于均采用结构重参数化技术，即一组参数可对应多个结构，通过等价转换实现结构间的等效替换。结构重参数化的橱柜商城源码查询应用包括ACNet（ICCV-）、ResRep（去年的剪枝方法）等。这种技术不仅能够提高模型性能，实现无损压缩，还简化了架构设计。

       总结而言，重参数化技术展现出巨大的潜力，既能暴力提升性能，又能实现无损压缩，简化架构设计。未来有望挖掘更多应用。