端侧超高效骨干RepGhost | GhostNet重参数赋能，性能爆棚

通过结构重参数机制实现特征复用的作者们，赋予了GhostNet新的生命力，提出了硬件友好的方案RepGhostNet。在ImageNet和COCO基线任务中，验证了该方案的有效性和高效性。下图显示，与MobileOne、MobileNeXt等轻量型架构相比，RepGhostNet表现更加出色！速览版请继续阅读！

出发点

GhostNet通过引入廉价操作实现特征复用，但引入了对硬件不友好的Concat操作。尽管Concat特征复用无需参数和FLOPs，但其计算耗时不可忽视，如上图所示。那么，如何更高效地进行特征复用呢？答案是结构重参数！！！

上图展示了从Ghost到RepGhost的进化过程，包括以下三点：

1. 使用Add替代Concat以降低耗时；
2. 迁移ReLU以符合重参数折叠机制；
3. 引入BN到shortcut分支进一步提升非线性。

上图展示了Bottleneck的改进过程：主要体现在通道数的调整，这是因为从Concat到Add的过渡会导致通道数发生变化。作者主要调整了中间通道数，而保持输入与输出通道数不变。

本文的实验结果

以下两个表格展示了在ImageNet和COCO数据集上的性能对比，RepGhost在轻量化方面表现出色，FLOPs基本在300M以内。