一、理论部分

摘要—我们提出了一种硬件高效的卷积神经网络架构，它具有类似 repvgg 的架构。Flops 或参数是评估网络效率的传统指标，这些网络对硬件（包括计算能力和内存带宽）不敏感。因此，如何设计神经网络以有效利用硬件的计算能力和内存带宽是一个关键问题。本文提出了一种如何对硬件感知神经网络进行签名的方法。基于该方法，我们设计了 EfficientRep 系列卷积网络，该网络对高计算硬件（例如 GPU）友好，并应用于 YOLOv6 目标检测框架。YOLOv6 已推出 v1 和 v2 版本的 YOLOv6N/YOLOv6S/YOLOv6M/YOLOv6L 模型。