报告题目：RepVGG与神经网络重参数化

报 告 人：丁霄汉 博士

报告时间：2021年5月27日（本周四）下午14：00 分

地点：腾讯会议，ID号：922730119，密码：214221

报告摘要：卷积神经网络基本模型，如ResNet、MobileNet，是许多智能应用的基础。作为一种简单的单路径基本架构，七年前的VGG模型已经被ResNet等多路径架构超越。本次报告首先介绍RepVGG，一种单路径极简网络架构，“复兴”VGG式单路网络。RepVGG的实现依赖于“结构重参数化”，一种通过模型参数等价转换实现结构等价转换的方法论。本次报告之后简要介绍这一方法论和一些典型应用。

报告人简介：

丁霄汉，清华大学软件学院博士研究生，师从丁广贵副教授，主要研究方向为卷积神经网络(CNN)设计与优化，神经网络结构重参数及其应用。在CVPR,ICCV,ICML,NeurIPS等顶级会议作为第一作者发表论文7篇。 所提出的结构重参数化是一种通过参数的等价变换实现结构的等价转换的方法论。代表性工作RepVGG(CVPR-2021),在业界具有一定知名度和影响力。开源代码和模型在GitHub上获得约1800个star。曾获百度奖学金，国家奖学金，华为奖学金，清华大学软件学院年度人物等荣誉。