在圖像處理領(lǐng)域，雖然近年來的新模型層出不窮，但在大多數(shù)的下游任務(wù)中，例如目標(biāo)檢測、語義分割，依舊還是用ResNet或其變體作為骨干網(wǎng)絡(luò)。在今年4月中旬，亞馬遜團(tuán)隊提出了“ResNet最強(qiáng)改進(jìn)版”網(wǎng)絡(luò)——ResNeSt。ResNeSt可以直接應(yīng)用到已有的主流模型中，顯著提高 Mask R-CNN，Cascade R-CNN 等模型的結(jié)果（~3%）。1. 簡要介紹CNN 基礎(chǔ)網(wǎng)絡(luò)的發(fā)展歷程
2. 近期神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索的發(fā)展，以及與下游應(yīng)用的脫節(jié)
3. 拆分注意力：注意力機(jī)制與多通道網(wǎng)絡(luò)的融合
4. ImageNet上的分類表現(xiàn)，以及遷移學(xué)習(xí)的效果
5. 總結(jié)與未來工作展望
本站僅提供存儲服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請
點(diǎn)擊舉報。
