RegionViT Family

Paper | GitHub

axis

Select an option

Results

Parameters (M)

Images / Second

Publication Date

task

Select an option

---------

Object Detection

Instance Segmentation

Classification

Semantic Segmentation

Panoptic Segmentation

dataset

Select an option

---------

ImageNet-1k

ImageNet-A

ImageNet-R

ImageNet-Sketch

ImageNet-C

ImageNet-C-bar

ImageNet-V2

ImageNet-ReaL

PASCAL VOC 2007 (val)

PASCAL VOC 2007 (test)

metric

Select an option

----------

Top-1

Top-5

GFLOPs

resolution

Select an option

----------

224x224

384x384

512x512

axis

Select an option

Results

Parameters (M)

Images / Second

GFLOPs

Publication Date

Filters

Legend

Legend attribute

Select an option

Family

Pretrain Dataset

Classification Resolution

Legend attribute (second)

Select an option

----------

Family

Pretrain Method

Classification Resolution

model	params (m)	pretrain	finetune	GFLOPs	Top-1
RegionViT-Ti	13.8	IN-1k : Sup. : 300	— : — : —	2.4	80.4
RegionViT-Ti+	14.3	IN-1k : Sup. : 300	— : — : —	2.7	81.5
RegionViT-S	30.6	IN-1k : Sup. : 300	— : — : —	5.3	82.6
RegionViT-S+	31.3	IN-1k : Sup. : 300	— : — : —	5.7	83.3
RegionViT-M	41.2	IN-1k : Sup. : 300	— : — : —	7.4	83.1
RegionViT-M+	42.0	IN-1k : Sup. : 300	— : — : —	7.9	83.4
RegionViT-B	72.7	IN-1k : Sup. : 300	— : — : —	13.0	83.2
RegionViT-B+	73.8	IN-1k : Sup. : 300	— : — : —	13.6	83.8
RegionViT-B+	73.8	IN-22k : Sup. : 120	IN-1k : 30 : 384	42.6	86.5

model	params (m)	pretrain	finetune	gflops	IN-1k
RegionViT-Ti	13.8	IN-1k : Sup. : 300	— : — : —	2.4	80.4/—
RegionViT-Ti+	14.3	IN-1k : Sup. : 300	— : — : —	2.7	81.5/—
RegionViT-S	30.6	IN-1k : Sup. : 300	— : — : —	5.3	82.6/—
RegionViT-S+	31.3	IN-1k : Sup. : 300	— : — : —	5.7	83.3/—
RegionViT-M	41.2	IN-1k : Sup. : 300	— : — : —	7.4	83.1/—
RegionViT-M+	42.0	IN-1k : Sup. : 300	— : — : —	7.9	83.4/—
RegionViT-B	72.7	IN-1k : Sup. : 300	— : — : —	13.0	83.2/—
RegionViT-B+	73.8	IN-1k : Sup. : 300	— : — : —	13.6	83.8/—
RegionViT-B+	73.8	IN-22k : Sup. : 120	IN-1k : 30 : 384	42.6	86.5/—

COCO (val)

model	pretrain	head	train	gflops	mAP^b	AP^b₅₀	AP^b₇₅	mAP^b_s	mAP^b_m	mAP^b_l
RegionViT-S	IN-1k : Sup. : 300	RetinaNet	COCO (train) : 12	192.6	42.2	64.1	45.1	27.5	45.4	55.3
RegionViT-S	IN-1k : Sup. : 300	RetinaNet	COCO (train) : 36	192.6	45.8	67.2	49.2	30.0	50.0	60.5
RegionViT-S	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 12	171.3	42.5	65.8	46.1	—	—	—
RegionViT-S	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 36	171.3	46.3	68.8	50.6	—	—	—
RegionViT-S+	IN-1k : Sup. : 300	RetinaNet	COCO (train) : 12	204.2	43.1	64.8	46.2	29.6	46.6	56.1
RegionViT-S+	IN-1k : Sup. : 300	RetinaNet	COCO (train) : 36	204.2	46.9	68.3	50.7	31.1	51.0	62.0
RegionViT-S+	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 12	182.9	43.5	66.9	47.5	—	—	—
RegionViT-S+	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 36	182.9	47.3	69.5	52.0	—	—	—
RegionViT-B	IN-1k : Sup. : 300	RetinaNet	COCO (train) : 12	308.9	43.3	65.2	46.4	29.2	46.4	57.0
RegionViT-B	IN-1k : Sup. : 300	RetinaNet	COCO (train) : 36	308.9	46.1	67.8	49.1	31.5	50.2	61.2
RegionViT-B	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 12	287.9	43.5	66.7	47.4	—	—	—
RegionViT-B	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 36	287.9	47.2	69.1	51.7	—	—	—
RegionViT-B+	IN-1k : Sup. : 300	RetinaNet	COCO (train) : 12	328.1	44.2	66.2	47.1	29.2	47.5	58.6
RegionViT-B+	IN-1k : Sup. : 300	RetinaNet	COCO (train) : 36	328.1	46.9	68.6	50.1	30.8	50.7	62.6
RegionViT-B+	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 12	307.1	44.5	67.6	48.7	—	—	—
RegionViT-B+	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 36	307.1	48.1	70.2	52.5	—	—	—
RegionViT-S+ (w/ PEG)	IN-1k : Sup. : 300	RetinaNet	COCO (train) : 12	204.3	43.9	65.5	47.3	28.5	47.3	57.9
RegionViT-S+ (w/ PEG)	IN-1k : Sup. : 300	RetinaNet	COCO (train) : 36	204.3	46.7	68.2	50.2	30.7	50.8	62.4
RegionViT-S+ (w/ PEG)	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 12	183.0	44.2	67.3	48.2	—	—	—
RegionViT-S+ (w/ PEG)	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 36	183.0	47.6	70.0	52.0	—	—	—
RegionViT-B+ (w/ PEG)	IN-1k : Sup. : 300	RetinaNet	COCO (train) : 12	506.4	46.1	68.0	49.5	30.5	49.9	60.1
RegionViT-B+ (w/ PEG)	IN-1k : Sup. : 300	RetinaNet	COCO (train) : 36	506.4	48.2	69.9	51.5	34.3	51.5	61.7
RegionViT-B+ (w/ PEG)	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 12	464.4	46.3	69.1	51.2	—	—	—
RegionViT-B+ (w/ PEG)	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 36	464.4	49.2	71.0	53.7	—	—	—

COCO (val)

model	pretrain	head	train	gflops	mAP^m	AP^m₅₀	AP^m₇₅	mAP^m_s	mAP^m_m	mAP^m_l
RegionViT-S	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 12	171.3	39.5	62.8	42.2	—	—	—
RegionViT-S	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 36	171.3	42.3	65.5	45.7	—	—	—
RegionViT-S+	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 12	182.9	40.4	63.7	43.4	—	—	—
RegionViT-S+	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 36	182.9	43.1	66.4	46.7	—	—	—
RegionViT-B	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 12	287.9	40.1	63.4	43.0	—	—	—
RegionViT-B	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 36	287.9	43.0	66.4	46.5	—	—	—
RegionViT-B+	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 12	307.1	41.0	64.4	43.9	—	—	—
RegionViT-B+	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 36	307.1	43.5	67.1	47.1	—	—	—
RegionViT-S+ (w/ PEG)	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 12	183.0	40.8	64.1	44.0	—	—	—
RegionViT-S+ (w/ PEG)	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 36	183.0	43.4	67.1	47.0	—	—	—
RegionViT-B+ (w/ PEG)	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 12	464.4	42.4	66.2	45.6	—	—	—
RegionViT-B+ (w/ PEG)	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 36	464.4	44.5	68.4	48.3	—	—	—

ADE20K (val)

model	pretrain	head	train	gflops	mIoU^ms	pAcc^ms	mAcc^ms	mIoU^ss	pAcc^ss	mAcc^ss
RegionViT-S+ (w/ PEG)	IN-1k : Sup. : 300	Panoptic FPN	ADE20K (train) : 64 : 448	37.0	—	—	—	45.3	—	—
RegionViT-B+ (w/ PEG)	IN-1k : Sup. : 300	Panoptic FPN	ADE20K (train) : 64 : 448	67.0	—	—	—	47.5	—	—