RepViT 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

pretrain dataset

Select an option

---------

ImageNet-1k

ImageNet-22k

JFT-300M

JFT-3B

MegData73M

pretrain method

Select an option

----------

Supervised

Sup. + TL

FCMAE

MAE

MAP

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
RepViT-M0.9	5.1	IN-1k : Sup. : 300	— : — : —	0.8	77.4
RepViT-M0.9	5.1	IN-1k : Sup. : 300	— : — : —	0.8	78.7
RepViT-M0.9	5.1	IN-1k : Sup. : 450	— : — : —	0.8	79.1
RepViT-M1.0	6.8	IN-1k : Sup. : 300	— : — : —	1.1	78.6
RepViT-M1.0	6.8	IN-1k : Sup. : 300	— : — : —	1.1	80.0
RepViT-M1.0	6.8	IN-1k : Sup. : 450	— : — : —	1.1	80.3
RepViT-M1.1	8.2	IN-1k : Sup. : 300	— : — : —	1.3	79.4
RepViT-M1.1	8.2	IN-1k : Sup. : 300	— : — : —	1.3	80.7
RepViT-M1.1	8.2	IN-1k : Sup. : 450	— : — : —	1.3	81.2
RepViT-M1.5	14.0	IN-1k : Sup. : 300	— : — : —	2.3	81.2
RepViT-M1.5	14.0	IN-1k : Sup. : 300	— : — : —	2.3	82.3
RepViT-M1.5	14.0	IN-1k : Sup. : 450	— : — : —	2.3	82.5
RepViT-M2.3	22.9	IN-1k : Sup. : 300	— : — : —	4.5	82.5
RepViT-M2.3	22.9	IN-1k : Sup. : 300	— : — : —	4.5	83.3
RepViT-M2.3	22.9	IN-1k : Sup. : 450	— : — : —	4.5	83.7

model	params (m)	pretrain	finetune	gflops	IN-1k
RepViT-M0.9	5.1	IN-1k : Sup. : 300	— : — : —	0.8	77.4/—
RepViT-M0.9	5.1	IN-1k : Sup. : 300	— : — : —	0.8	78.7/—
RepViT-M0.9	5.1	IN-1k : Sup. : 450	— : — : —	0.8	79.1/—
RepViT-M1.0	6.8	IN-1k : Sup. : 300	— : — : —	1.1	78.6/—
RepViT-M1.0	6.8	IN-1k : Sup. : 300	— : — : —	1.1	80.0/—
RepViT-M1.0	6.8	IN-1k : Sup. : 450	— : — : —	1.1	80.3/—
RepViT-M1.1	8.2	IN-1k : Sup. : 300	— : — : —	1.3	79.4/—
RepViT-M1.1	8.2	IN-1k : Sup. : 300	— : — : —	1.3	80.7/—
RepViT-M1.1	8.2	IN-1k : Sup. : 450	— : — : —	1.3	81.2/—
RepViT-M1.5	14.0	IN-1k : Sup. : 300	— : — : —	2.3	81.2/—
RepViT-M1.5	14.0	IN-1k : Sup. : 300	— : — : —	2.3	82.3/—
RepViT-M1.5	14.0	IN-1k : Sup. : 450	— : — : —	2.3	82.5/—
RepViT-M2.3	22.9	IN-1k : Sup. : 300	— : — : —	4.5	82.5/—
RepViT-M2.3	22.9	IN-1k : Sup. : 300	— : — : —	4.5	83.3/—
RepViT-M2.3	22.9	IN-1k : Sup. : 450	— : — : —	4.5	83.7/—

COCO (val)

model	pretrain	head	train	gflops	mAP^b	AP^b₅₀	AP^b₇₅	mAP^b_s	mAP^b_m	mAP^b_l
RepViT-M1.1	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 12	None	39.8	61.9	43.5	—	—	—
RepViT-M1.5	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 12	None	41.6	63.2	45.3	—	—	—
RepViT-M2.3	IN-1k : Sup. : 450	Mask R-CNN	COCO (train) : 12	None	44.6	66.1	48.8	—	—	—

COCO (val)

model	pretrain	head	train	gflops	mAP^m	AP^m₅₀	AP^m₇₅	mAP^m_s	mAP^m_m	mAP^m_l
RepViT-M1.1	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 12	None	37.2	58.8	40.1	—	—	—
RepViT-M1.5	IN-1k : Sup. : 300	Mask R-CNN	COCO (train) : 12	None	38.6	60.5	41.5	—	—	—
RepViT-M2.3	IN-1k : Sup. : 450	Mask R-CNN	COCO (train) : 12	None	40.8	63.6	43.9	—	—	—

ADE20K (val)

model	pretrain	head	train	gflops	mIoU^ms	pAcc^ms	mAcc^ms	mIoU^ss	pAcc^ss	mAcc^ss
RepViT-M1.1	IN-1k : Sup. : 300	Panoptic FPN	ADE20K (train) : 64 : 512	None	—	—	—	40.6	—	—
RepViT-M1.5	IN-1k : Sup. : 300	Panoptic FPN	ADE20K (train) : 64 : 512	None	—	—	—	43.6	—	—
RepViT-M2.3	IN-1k : Sup. : 450	Panoptic FPN	ADE20K (train) : 64 : 512	None	—	—	—	46.1	—	—