【ResNeSt】ResNeSt:Split-Attention Networks

ResNeSt网络是对ResNet结构的改进,旨在增强通道层面的交互和解决感受野限制问题。通过Split-Attention模块,提高了在分类、检测和分割任务中的性能。在ImageNet上,ResNeSt-50达到高精度,并在MS-COCO和ADE20K数据集上提升mAP和mIOU。训练策略包括大型Mini-batch、Label Smoothing等。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在这里插入图片描述
代码(有pytorch和mxnet两个版本)
论文(亚马逊团队张航 李沐)

概述


简介

文章很直接,主要是对ResNet这样的基础主干网络去进行结构上的细节设计。本论文之所以要去对ResNet结构进行改动,论文里也说到了:

  • 一是因为ResNet设计之初来说,基本上很大程度上是去考虑对分类的影响的,尽量去让结构对分类结果有利。但是这样子就对其它任务,诸如检测,分割,姿态估计(论文给出的理由是:感受野尺寸的限制以及缺乏在channel层面上的交互
  • 第二就是虽然现阶段NAS去搜索网络结果俨然成为一种设计结构的方向,但是NAS所针对的分类任务表现很好,不过利用这样的结构很难进行好下游任务:检测、分割之类的(理由:NAS网络内部的元结构彼此之间的差异性让他们来做下游任务比较hard),所以作者们就还是来改一改ResNet网络啦。。。

文章主要基于ResNeXt

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值