ResNeSt

RESNEST

새로운 RESNET 변형 인 분할 내용 네트워크. Mask R-CNN, Cascade R-CNN 및 Deeplabv3과 같은 다운 스트림 모델의 성능을 크게 향상시킵니다.

목차

0. 사전 예방 모델
1. 전송 학습 모델
2. Imagenet 결과를 확인하십시오
3. 훈련하는 방법
4. 참조

pypi / github 설치

0. 이 패키지 repo를 설치하면 옵션 중 하나만 선택하면됩니다.

 # using github url
pip install git+https://github.com/zhanghang1989/ResNeSt

# using pypi
pip install resnest --pre

사전 예방 모델

	작물 크기	Pytorch	글루온
Resnest-50	224	81.03	81.04
Resnest-101	256	82.83	82.81
Resnest-200	320	83.84	83.88
Resnest-269	416	84.54	84.53

• Tensorflow, Caffe, Jax : 타사 구현을 사용할 수 있습니다.

• 추가 절제 연구 모델은 링크에서 제공됩니다

Pytorch 모델

• 토치 허브를 사용하여로드

 import torch
# get list of models
torch . hub . list ( 'zhanghang1989/ResNeSt' , force_reload = True )

# load pretrained models, using ResNeSt-50 as an example
net = torch . hub . load ( 'zhanghang1989/ResNeSt' , 'resnest50' , pretrained = True )

• 파이썬 패키지를 사용하여로드하십시오

 # using ResNeSt-50 as an example
from resnest . torch import resnest50
net = resnest50 ( pretrained = True )

글루온 모델

• 사전 처리 된 모델로드 :

 # using ResNeSt-50 as an example
from resnest . gluon import resnest50
net = resnest50 ( pretrained = True )

전송 학습 모델

Detectron2

우리는 D2에서 재판매 백본으로 Detectron2 모델을 훈련하기위한 래퍼를 제공합니다. 훈련 구성 및 사방 모델이 출시됩니다. D2의 세부 사항을 참조하십시오.

mmdetection

Resnest 백본은 mmdetection에 의해 채택되었습니다.

시맨틱 세분화

• Pytorch 모델 및 교육 : Pytorch 인코딩 툴킷을 방문하십시오.
• Gluon 모델 및 교육 : Gluoncv 툴킷을 방문하십시오.

Imagenet 결과 확인 :

참고 : 논문에보고 된 추론 속도는 레코드 데이터와 함께 Gluon 구현을 사용하여 테스트됩니다.

Imagenet 데이터 세트 준비 :

여기에서는 단순성을 위해 RAW 이미지 데이터 형식을 사용합니다. Recordio 형식을 사용하려면 GLUONCV 튜토리얼을 따르십시오.

 cd scripts/dataset/
# assuming you have downloaded the dataset in the current folder
python prepare_imagenet.py --download-dir ./

토치 모델

 # use resnest50 as an example
cd scripts/torch/
python verify.py --model resnest50 --crop-size 224

글루온 모델

 # use resnest50 as an example
cd scripts/gluon/
python verify.py --model resnest50 --crop-size 224

훈련하는 방법

imagenet 모델

• mxnet gluon으로 교육 : Gluon 폴더를 방문하십시오.
• Pytorch와의 교육 : Pytorch 인코딩 툴킷을 방문하십시오 (Gluon 구현보다 약간 나쁩니다).

Detectron 모델

객체 감지 및 인스턴스 세분화 모델은 Detectron2-Resnest Fork를 방문하십시오.

시맨틱 세분화

• Pytorch를 사용한 교육 : 인코딩 툴킷.
• MXNET 교육 : Gluoncv 툴킷.

참조

RESNEST : 분할 내 네트워크 [ARXIV]

행 잔, 충트 루오 우, Zhongyue Zhang, Yi Zhu, Zhi Zhang, Haibin Lin, Yue Sun, Tong HE, Jonas Muller, R. Manmatha, Mu Li 및 Alex Smola

 @article{zhang2020resnest,
title={ResNeSt: Split-Attention Networks},
author={Zhang, Hang and Wu, Chongruo and Zhang, Zhongyue and Zhu, Yi and Zhang, Zhi and Lin, Haibin and Sun, Yue and He, Tong and Muller, Jonas and Manmatha, R. and Li, Mu and Smola, Alexander},
journal={arXiv preprint arXiv:2004.08955},
year={2020}
}

주요 기여자

• Resnest 백본 (Hang Zhang)
• Detectron 모델 (Chongruo Wu, Zhongyue Zhang)
• 시맨틱 세분화 (Yi Zhu)
• 분산 훈련 (Haibin Lin)