RepVGG是2021年发表于CVPR，它和resnet一样是一种图像分类网络，在目标检测中被用作backbone，论文提出一种新型技术称之结构重参数化，简单来说就是对训练出的模型进行等价替换成一个简单的模型，然后用这个简单的模型进行推理（也就是testing），目的就是加快推理速度，提高模型实用性。RepVGG当中的结构重参数化这个方法值得我们去学习，对模型的部署非常友好，在未来的发展中，重参数

分享一下最近阅读yolov1的这篇论文理解，有不对请各位大佬指点。论文地址：链接: https://pan.baidu.com/s/1EyXhYMdZutK5WsyowHZ7xw 提取码: 6666目录摘要引言（YOLO的优点）YOLO模型主要思想网络模型设计损失函数结果对比本人初入目标检测的大坑，前段时间学了R-CNN系列网络，最近准备学习YOLO，目前YOLO的发展迅速，YOLOV6、v7都很

RepVGG是2021年发表于CVPR，它和resnet一样是一种图像分类网络，在目标检测中被用作backbone，论文提出一种新型技术称之结构重参数化，简单来说就是对训练出的模型进行等价替换成一个简单的模型，然后用这个简单的模型进行推理（也就是testing），目的就是加快推理速度，提高模型实用性。RepVGG当中的结构重参数化这个方法值得我们去学习，对模型的部署非常友好，在未来的发展中，重参数