ResNet升级版（1）：IResNet | Improved Residual Networks for Image and Video Recognition

近期出现了两篇对ResNet改进的文章，在这里进行阅读并记录一下。
论文地址：https://arxiv.org/pdf/2004.04989.pdf
Github：https://github.com/iduta/iresnet

Abstract：

残差网络（ResNets）代表了一种强大的卷积神经网络（CNN）体系结构，已广泛用于各种任务中。在这项工作中，我们提出了ResNets的改进版本。我们提出的改进措施解决了ResNet的所有三个主要组成部分：通过网络层的信息流，残差模块构建和Projection Shortcut。我们能够显示出在基线之上的准确性和学习收敛性的持续改进。例如，在ImageNet数据集上，使用具有50层的ResNet，对于top-1精度，我们可以通过一种设置比基线提高1.19％，而另一种设置则提高约2％。重要的是，无需增加模型复杂性即可获得这些改进。我们提出的方法使我们可以训练非常深的网络，而基线显示出严重的优化问题。我们报告了六个数据集上三个任务的结果：图像分类（ImageNet，CIFAR-10和CIFAR-100）