图像分类资源汇总----持续跟新

①ResNet最强改进版来了!ResNeSt:分散-注意力网络

ResNeSt-50在ImageNet上实现了81.13%的top-1,简单地用ResNeSt-50替换ResNet-50,可以将MS-COCO上的FasterRCNN的mAP从38.5%提高到41.4%!代码现已开源!作者团队:亚马逊(张航和李沐等)&UC Davis

尽管图像分类模型最近不断发展,但是由于其简单而模块化的结构,大多数下游应用程序(例如目标检测和语义分割)仍将ResNet变体用作backbone。我们展示了一个简单的模块:Split-Attention,该块可实现跨特征图的注意力。通过以ResNet样式堆叠这些Split-Attention块,我们获得了一个称为ResNeSt的新ResNet变体。我们的网络保留了完整的ResNet结构,可直接用于下游任务,而不会引起额外的计算成本。ResNeSt模型的模型复杂度优于其他网络。例如,ResNeSt-50使用224×224的单个作物尺寸在ImageNet上实现了81.13%的top-1精度,比以前最好的ResNet变种高出1%以上。此改进还有助于下游任务,包括目标检测,实例分割和语义分割。例如,通过简单地用ResNeSt-50替换ResNet-50主干,我们将MS-COCO上的FasterRCNN的mAP从38.5%提高到41.4%,将ADE20K上的DeeplabV3的mIoU从42.1%提高到45.1%。
《ResNeSt: Split-Attention Networks》

②全网第一SoTA成绩却朴实无华的pytorch版efficientdet - Zylo117的文章 - 知乎

https://zhuanlan.zhihu.com/p/129016081

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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