Res2Net PretrainedModelsダウンロードRes2Net PretrainedModelsソースコードダウンロード

Res2Net PretrainedModels

パイソン

1.0.0

ダウンロード

RES2NET

論文の公式のPytorch実装「Res2Net：新しいマルチスケールバックボーンアーキテクチャ」

私たちの論文は、パターン分析とマシンインテリジェンス（TPAMI）に関するIEEEトランザクションによって受け入れられています。

アップデート

2020.10.20 PaddlePaddleバージョンRES2NETは85.13％TOP-1 ACCを達成します。 Imagenet：PaddlePaddle Res2Net。
2020.8.21 RES2NETを使用した検出とセグメンテーションのためのオンラインデモがリリースされます：http：//mc.nankai.edu.cn/res2net-det
2020.7.29 ImagenetでのRES2NETのトレーニングコードがリリースされますhttps://github.com/res2net/res2net-imagenet-training（非営利目的のみ）
2020.6.1 RES2NETは現在、新しいディープラーニングフレームワークジッターの公式モデル動物園にあります。
2020.5.21 RES2NETは、MMDETECTION V2フレームワークhttps://github.com/open-mmlab/mmdeTectionの基本的な骨骨の1つです。 RES2NETでMMDETection V2を使用すると、計算コストが少ないとパフォーマンスが向上します。
2020.5.11 RES2NETは、トリックなしでDetectron2に基づいたパノプティックセグメンテーションで約2％のパフォーマンス増加を達成します。 https://github.com/res2net/res2net-detectron2でコードをリリースしました。
2020.2.24 RES2NET_V1Bは、既存のバックボーンモデルと比較してMMDETectionでかなりのパフォーマンスゲインを達成します。コードをリリースしました：https：//github.com/res2net/mmdetection。以前に最良の結果を生成したメソッドとHRNETの詳細な比較は、https：//github.com/res2net/mmdetection/tree/master/configs/res2netにあります。
2020.2.21：ImagENET TOP1 ACCで2％以上改善されたRES2NET_V1Bの事前処理モデル。 RES2NETのオリジナルバージョンと比較してリリースされます！ RES2NET_V1Bは、オブジェクト検出やセマンティックセグメンテーションなどの他のタスクに転送すると、はるかに優れたパフォーマンスを実現します。

導入

1つの残差ブロック内で階層的な残差のような接続を構築することにより、CNNの新しいビルディングブロック、すなわちRES2NETを提案します。 RES2NETは、粒状レベルでマルチスケール機能を表し、各ネットワークレイヤーの受容フィールドの範囲を増加させます。提案されているRES2NETブロックは、ResNet、ResNext、Biglittlenet、およびDLAなど、最先端のバックボーンCNNモデルに差し込むことができます。これらすべてのモデルのRES2NETブロックを評価し、ベースラインモデルよりも一貫したパフォーマンスの向上を示します。

RES2NETモジュール

使用する

要件

pytorch> = 0.4.1

例

 git clone https://github.com/gasvn/Res2Net.git

from res2net import res2net50
model = res2net50(pretrained=True)

入力画像は次のように正規化する必要があります。

 normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406],
                                  std=[0.229, 0.224, 0.225])

（デフォルトでは、モデルは自動的にダウンロードされます。デフォルトのダウンロードリンクが利用できない場合は、事前に済みのモデルにリストされているダウンロードリンクを参照してください。）

前処理されたモデル

モデル	#params	MACC	トップ1エラー	トップ5エラー	リンク
RES2NET-50-48W-2S	25.29m	4.2	22.68	6.47	onedrive
RES2NET-50-26W-4S	25.70m	4.2	22.01	6.15	onedrive
RES2NET-50-14W-8S	25.06m	4.2	21.86	6.14	onedrive
RES2NET-50-26W-6S	37.05m	6.3	21.42	5.87	onedrive
RES2NET-50-26W-8S	48.40m	8.3	20.80	5.63	onedrive
RES2NET-101-26W-4S	45.21M	8.1	20.81	5.57	onedrive
RES2NEXT-50	24.67m	4.2	21.76	6.09	onedrive
RES2NET-DLA-60	21.15m	4.2	21.53	5.80	onedrive
RES2NEXT-DLA-60	17.33m	3.6	21.55	5.86	onedrive
RES2NET-V1B-50	25.72m	4.5	19.73	4.96	リンク
RES2NET-V1B-101	45.23m	8.3	18.77	4.64	リンク
RES2NET-V1D-200-SSLD	76.21M	15.7	14.87	2.58	paddlepaddlelink

ニュース

RES2NET_V1Bが利用可能になりました。
pretrained = True使用して、事前処理されたモデルをロードできます。

Baidu Diskからのダウンロードリンクが利用可能になりました。（Baiduディスクパスワード： Vbix ）

アプリケーション

分類、インスタンスセグメンテーション、オブジェクト検出、セマンティックセグメンテーション、顕著なオブジェクト検出、クラスアクティベーションマップ、CTスキャンの腫瘍セグメンテーションなどの他のアプリケーションは、https：//mmcheng.net/res2net/にあります。

引用

この作業やコードが調査に役立つ場合は、引用してください。

 @article{gao2019res2net,
  title={Res2Net: A New Multi-scale Backbone Architecture},
  author={Gao, Shang-Hua and Cheng, Ming-Ming and Zhao, Kai and Zhang, Xin-Yu and Yang, Ming-Hsuan and Torr, Philip},
  journal={IEEE TPAMI},
  year={2021},
  doi={10.1109/TPAMI.2019.2938758}, 
}