本文为 AI 研习社编译的技术博客,原标题 : Review: DPN — Dual Path Networks (Image Classification) 作者 | Sik-Ho Tsang 翻译 | Tree123456 校对 | 约翰逊·李加薪 审核 | 酱番梨 整理 | 立鱼王 原文链接: https://towardsdatascience.com/review-dpn-dual-path-networks-image-classification-d0135dce8817
在这篇文章中,我们会简要的回顾DPN网络。这是由新加坡国立大学,北京理工大学,国防科技大学和奇虎360人工智能研究所共同完成的作品。ResNet支持特征的重复使用,DenseNet支持新特征探索.而DPN结合了这两者的优点.最终,在图像分类任务中,DPN的输出结果明显优于ResNet,DenseNet,PolyNet和ResNeXt,并且在ILSVRC 2017 本地挑战赛中取得冠军.通过更好的主干网络,DPN还可以在目标检测和语义分割任务中获得目前最好的结果。DPN发表在2017的NIPS上,被引次数超过100篇。
1.ResNet, DenseNet and DPN
2.与目前表现最好的算法比较
DenseNet
1.2 ResNet
左侧是ResNet,右侧是Densenet
左侧是ResNet,右侧是Densenet
管理一家公司
1.3DPN
DPN
网络结构详情和复杂度比较
ImageNet-1k数据集验证集(+:均值最大池化)
不同模型在训练期间总花费比较
2.2 场景分类
places365标准数据集验证精度
2.3 目标检测
PASCAL VOC 2007 测试集
2.4 语义分割
PASCAL VOC 2012 测试集
2.5 ILSVRC 2017 目标定位
可视化
2.6 ILSVRC 2017 目标检测
可视化