Res2Net50是一种改进的ResNet结构,它在ResNet基础上增加了一个分组卷积和一个多尺度特征融合模块。此外,Res2Net50在每个分组中增加了多个子网络,通过将特征图分成不同的组来捕获不同尺度的特征。这种设计可以更好地利用CNN网络的模型容量,并提供更好的准确性和鲁棒性。 具体来说,Res2Net50使用四个分组卷积,并...
图2 两种ResNet设计 这两种结构分别针对ResNet34(左图)和ResNet50/101/152(右图),一般称整个结构为一个”building block“。其中右图又称为”bottleneck design”,目的一目了然,就是为了降低参数的数目,第一个1x1的卷积把256维channel降到64维,然后在最后通过1x1卷积恢复,整体上用的参数数目:1x1x256x64 + 3...
res2net模块如下右图所示 Comparison between the bottleneck block and the pro- posed Res2Net module (the scale dimension s = 4 ) Res2Net模块可以融合到最先进的backbone CNN模型中,例如ResNet,ResNeXt和DLA。此次实验便是基于ResNet模型,并使用mnist数据集。 实验代码主要参考自https://github.com/rasbt/de...