1. RepGhost介绍
1.1 摘要： 特征重用一直是轻量级卷积神经网络（CNN）设计中的一项关键技术。 当前的方法通常利用串联运算符通过重用其他层的特征图来廉价地保持大量通道数（从而获得大的网络容量）。 尽管串联是无参数和无 FLOP 的，但其在硬件设备上的计算成本是不可忽略的。 为了解决这个问题，本文提供了一种通过结构重参数化技术实现特征重用的新视角。 提出了一种新颖的硬件高效 RepGhost 模块，通过重新参数化而不是使用串联运算符来实现隐式特征重用。 基于RepGhost模块，我们开发了高效的RepGhost瓶颈和RepGhostNet。 在 ImageNet 和 COCO 基准上的实验表明，所提出的 RepGhostNet 在移动设备上比 GhostNet 和 MobileNetV3 更加有效和高效。 特别是，我们的 RepGhostNet 在 ImageNet 数据集上的 Top-1 准确率超过 GhostNet 0.5× 2.5%，参数更少，并且在基于 ARM 的手机上的延迟相当。
官方论文地址：https://arxiv.org/pdf/2211.06088
官方代码地址：
