Res2Net PretrainedModels下载Res2Net PretrainedModels源代码下载

Res2Net PretrainedModels

Python

1.0.0

下载

Res2net

官方的Pytorch实施“ RES2NET：新的多尺度骨干架构”

IEEE交易在模式分析和机器智能上（TPAMI）接受了我们的论文。

更新

2020.10.20 PaddlePaddle版本RES2NET达到85.13％Top-1 Acc。在ImageNet上：PaddlePaddle Res2net。
2020.8.21在线使用RES2NET检测和细分的在线演示：http：//mc.nankai.edu.cn/res2net-det
2020.7.29 Imagenet上的RES2NET培训代码发布https://github.com/res2net/res2net-imagenet-training（仅非商业用途）
2020.6.1 RES2NET现在是新的深度学习框架Jittor的官方模型动物园。
2020.5.21 RES2NET现在是MMDetection V2框架https://github.com/open-mmlab/mmdetection中的基本骨核之一。使用具有RES2NET的MMDetection V2可以以更少的计算成本实现更好的性能。
2020.5.11 RES2NET基于detectron2的综合分段可实现约2％的性能增长，但没有任何技巧。我们已经在以下网上发布了代码：https：//github.com/res2net/res2net-detectron2。
2020.2.24我们的RES2NET_V1B与现有的骨干模型相比，MMDetection的性能增长可观。我们已经在以下网上发布了我们的代码：https：//github.com/res2net/mmdetection。可以在以下网址找到我们的方法和HRNET之间的详细比较，可以在以下网址找到以下网址：
2020.2.21：Imagenet top1 ACC的RES2NET_V1B的验证模型。与原始版本的RES2NET相比！当转移到其他任务（例如对象检测和语义分段）时，RES2NET_V1B实现了更好的性能。

介绍

我们通过在一个单个残留块中构建层次的残留连接，为CNN提出了一个新颖的CNN构建块。 RES2NET代表颗粒级别的多尺度特征，并增加了每个网络层的接收场范围。所提出的RES2NET块可以插入最新的骨干CNN型号，例如，Resnet，Resnext，Biglittlenet和DLA。我们在所有这些模型上评估了RES2NET块，并在基线模型上表现出一致的性能提高。

RES2NET模块

使用

要求

pytorch> = 0.4.1

例子

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

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

输入图像应标准化如下：

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

（默认情况下，该模型将自动下载。如果默认下载链接不可用，请参阅验证模型上列出的下载链接。）

预验证的模型

模型	#params	MACCS	TOP-1错误	TOP-5错误	关联
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-8	25.06m	4.2	21.86	6.14	OneDrive
RES2NET-50-26W-6	37.05m	6.3	21.42	5.87	OneDrive
RES2NET-50-26W-8	48.40m	8.3	20.80	5.63	OneDrive
RES2NET-101-26W-4S	45.21m	8.1	20.81	5.57	OneDrive
RES2Next-50	2467万	4.2	21.76	6.09	OneDrive
RES2NET-DLA-60	21.5m	4.2	21.53	5.80	OneDrive
RES2Next-DLA-60	17.33万	3.6	21.55	5.86	OneDrive
RES2NET-V1B-50	25.72m	4.5	19.73	4.96	关联
RES2NET-V1B-101	45.23m	8.3	18.77	4.64	关联
RES2NET-V1D-200-SSLD	76.21m	15.7	14.87	2.58	paddlepaddlelink

消息

RES2NET_V1B现在可用。
您可以使用pretrained = True加载验证的模型。

现在可以使用BAIDU磁盘的下载链接。（Baidu磁盘密码： VBIX ）

申请

可以在https://mmcheng.net/res2net/上找到其他应用，例如分类，实例分割，对象检测，语义分割，显着对象检测，CT扫描的肿瘤分割。

引用

如果您发现此工作或代码对您的研究有所帮助，请引用：

 @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}, 
}