Vision-RWKV模型权重完整清单:ImageNet、COCO、ADE20K共16个预训练检查点全解析

原创2026-10-17 09:54:411,970 阅读

Vision-RWKV模型权重完整清单:ImageNet、COCO、ADE20K共16个预训练检查点全解析

Vision-RWKV 是 OpenGVLab 推出的基于 RWKV 架构的开放词汇视觉感知模型,本仓库直接提供了 16 个预训练权重,覆盖 ImageNet、COCO、ADE20K 三大权威数据集。本文将逐一解析每个权重的用途、大小与命名含义,并给出新手下载与选型建议,帮你 10 分钟看懂这份权重清单。

一、先花 30 秒了解 Vision-RWKV 的权重体系

Vision-RWKV 用 RWKV(线性注意力 RNN)替代传统 Transformer,以统一的"自回归"范式处理视觉任务。仓库中的 16 个 .pth 文件按任务类型分为四大类:

类别 数量 训练数据集 典型用途
图像分类(VRWKV v1) 5 个 ImageNet-1K / ImageNet-22K 特征提取、分类基线
图像分类(VRWKV v6) 3 个 ImageNet-1K 新一代轻量分类
实例分割(Mask R-CNN FPN) 4 个 COCO 开放词汇实例分割
语义分割(UperNet) 4 个 ADE20K 开放词汇语义分割

所有权重均采用 Apache-2.0 协议开源(见 README.md),可放心用于研究与商业场景。

二、16 个预训练权重全清单

1️⃣ 图像分类权重 · VRWKV v1(ImageNet)

这一组是 VRWKV 初代的分类骨干,从 tiny 到 large 共 5 个规格,其中 large 版还包含 ImageNet-22K 预训练版本:

权重文件 大小 训练数据 输入分辨率 特点
vrwkv_t_in1k_224.pth 23 MB ImageNet-1K 224×224 最小,快速验证首选
vrwkv_s_in1k_224.pth 90 MB ImageNet-1K 224×224 小模型,速度快
vrwkv_b_in1k_224.pth 357 MB ImageNet-1K 224×224 精度与速度均衡
vrwkv_l_in22k_192.pth 1.5 GB ImageNet-22K 192×192 22K 高维类别预训练
vrwkv_l_22kto1k_384.pth 1.3 GB 22K→1K 迁移 384×384 高分辨率,精度最优

💡 22kto1k 表示先在 ImageNet-22K 预训练、再在 ImageNet-1K 上微调,是经典的大规模迁移训练策略。

2️⃣ 图像分类权重 · VRWKV v6(新一代)

v6 是更新的模型代际,参数效率更高,同样提供 3 个常用规格:

权重文件 大小 输入分辨率 说明
vrwkv6_t_in1k_224.pth 29 MB 224×224 超轻量,适合边缘设备
vrwkv6_s_in1k_224.pth 105 MB 224×224 小模型,部署友好
vrwkv6_b_in1k_224.pth 400 MB 224×224 base 规格,精度更高

3️⃣ 实例分割权重 · Mask R-CNN FPN(COCO)

用于开放词汇实例分割任务:在 Mask R-CNN + FPN 检测框架上挂载 VRWKV adapter,按 1x 训练计划(12 epoch)在 COCO 上训练,共 4 个规模:

权重文件 大小 说明
mask_rcnn_vrwkv_adapter_tiny_fpn_1x_coco.pth 108 MB tiny 骨干
mask_rcnn_vrwkv_adapter_small_fpn_1x_coco.pth 189 MB small 骨干
mask_rcnn_vrwkv_adapter_base_fpn_1x_coco.pth 485 MB base 骨干
mask_rcnn_vrwkv_adapter_large_fpn_1x_coco.pth 1.4 GB large 骨干

4️⃣ 语义分割权重 · UperNet(ADE20K)

用于开放词汇语义分割:UperNet 分割头 + VRWKV adapter,输入分辨率 512×512,训练 160k 迭代,基于 ADE20K 场景数据集:

权重文件 大小 说明
upernet_vrwkv_adapter_tiny_512_160k_ade20k.pth 139 MB tiny 骨干
upernet_vrwkv_adapter_small_512_160k_ade20k.pth 226 MB small 骨干
upernet_vrwkv_adapter_base_512_160k_ade20k.pth 536 MB base 骨干
upernet_vrwkv_adapter_large_512_160k_ade20k.pth 1.5 GB large 骨干,精度上限

📊 16 个权重总容量约 8.2 GB,磁盘空间请提前预留。

三、权重命名规则,一次看懂

Vision-RWKV 的命名非常规整,掌握规则后无需查阅文档即可"见名知意":

  • vrwkv_ / vrwkv6_:模型版本,v6 为新一代;
  • t / s / b / l:tiny / small / base / large 四种规模;
  • in1k / in22k:ImageNet-1K / ImageNet-22K 训练集;
  • 224 / 192 / 384 / 512:输入图像分辨率;
  • mask_rcnn_..._fpn_1x_coco:Mask R-CNN 框架 + FPN,1x 训练计划,COCO 数据集;
  • upernet_..._512_160k_ade20k:UperNet 框架,512 分辨率,160k 迭代,ADE20K 数据集;
  • _adapter_:表示该权重包含适配检测/分割框架的 adapter 模块,可直接与检测头/分割头组合使用。

四、如何正确下载这 16 个权重?

仓库中的 .pth 文件通过 Git LFS 托管,克隆前务必启用 LFS,否则拿到的只是约 134 字节的指针文件而非真实权重:

git lfs install
git clone https://gitcode.com/OpenGVLab/Vision-RWKV

若已克隆但权重未拉取,可补执行:

cd Vision-RWKV
git lfs pull

五、新手选型指南:到底该下哪个?

你的场景 推荐权重 理由
第一次跑通 demo、验证流程 vrwkv6_t_in1k_224.pth(29 MB) 下载最快,显存友好
轻量级生产部署 vrwkv6_s / mask_rcnn_small(90~189 MB) 速度与精度的实用平衡
精度与速度兼顾 任意 base 版(357~536 MB) 官方常用主力规格
追求 SOTA 精度 任意 large 版(1.3~1.5 GB) 大参数量,性能上限
对比新旧架构 v1 vs v6 同规模对比 观察 v6 的效率提升

一句话建议:新手从 tiny 起步跑通,再按需升级到 small/base,large 版留到有明确精度需求时再下载,可省下数 GB 带宽。

六、总结

Vision-RWKV 仓库一次性提供了覆盖分类、实例分割、语义分割三大任务的 16 个预训练检查点:ImageNet 分类 8 个(v1 + v6)、COCO 实例分割 4 个、ADE20K 语义分割 4 个,规模从 23 MB 的 tiny 到 1.5 GB 的 large 全档位齐备。掌握本文的命名规则与选型建议后,你就能快速找到适合自己的那份权重,动手体验 RWKV 架构在开放词汇视觉任务上的表现。

登录后查看全文
Vision-RWKV