Dual Path Networks

作者发现ResNet可以使得特征重用,DenseNet可以探索新的特征。二这两个作用对网络学习好的表达很重要。所以论文将2着结合起来。
结构如下图:
这里写图片描述
首先将输入预分为俩部分。将所有输入通过1X1,3X3和1X1的卷积之后也分为相同数量的俩部分,第一部分像resnet一样相加,第二部分像densenet一样拼接。形成下一个新的输入。不断重复上述过程。为了减缓宽度的增加,将最后一个1X1的少数通道作为densenet方式连接。
详细参数如表1.
这里写图片描述
G表示卷积group;k表示densely connected path增加的通道数;+表示增加的通道数。

模型复杂度:DPN-92参数比ResNeXt-101 ( 32 × 4 d)少15%;DPN-98参数比ResNeXt-101 (64 × 4d)少26%。
计算复杂度:DPN-92比ResNeXt-101( 32 × 4 d)少19%;DPN-98比ResNeXt-101(64 × 4d)少25%.

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