Res2Net PretrainedModels下載Res2Net PretrainedModels源代碼下載

Res2Net PretrainedModels

Python

1.0.0

下載

Res2net

官方的Pytorch實施“ RES2NET：新的多尺度骨乾架構”

IEEE交易在模式分析和機器智能上（TPAMI）接受了我們的論文。

更新

2020.10.20 PaddlePaddle版本RES2NET達到85.13％Top-1 Acc。在ImageNet上：PaddlePaddle Res2net。
2020.8.21在線使用RES2NET檢測和細分的在線演示：http：//mc.nankai.edu.cn/res2net-det
2020.7.29 Imagenet上的RES2NET培訓代碼發布https://github.com/res2net/res2net-imagenet-training（僅非商業用途）
2020.6.1 RES2NET現在是新的深度學習框架Jittor的官方模型動物園。
2020.5.21 RES2NET現在是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可以以更少的計算成本實現更好的性能。
2020.5.11 RES2NET基於detectron2的綜合分段可實現約2％的性能增長，但沒有任何技巧。我們已經在以下網上發布了代碼：https：//github.com/res2net/res2net-detectron2。
2020.2.24我們的RES2NET_V1B與現有的骨幹模型相比，MMDetection的性能增長可觀。我們已經在以下網上發布了我們的代碼：https：//github.com/res2net/mmdetection。可以在以下網址找到我們的方法和HRNET之間的詳細比較，可以在以下網址找到以下網址：
2020.2.21：Imagenet top1 ACC的RES2NET_V1B的驗證模型。與原始版本的RES2NET相比！當轉移到其他任務（例如對象檢測和語義分段）時，RES2NET_V1B實現了更好的性能。

介紹

我們通過在一個單個殘留塊中構建層次的殘留連接，為CNN提出了一個新穎的CNN構建塊。 RES2NET代表顆粒級別的多尺度特徵，並增加了每個網絡層的接收場範圍。所提出的RES2NET塊可以插入最新的骨幹CNN型號，例如，Resnet，Resnext，Biglittlenet和DLA。我們在所有這些模型上評估了RES2NET塊，並在基線模型上表現出一致的性能提高。

RES2NET模塊

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)

輸入圖像應標準化如下：

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

（默認情況下，該模型將自動下載。如果默認下載鏈接不可用，請參閱驗證模型上列出的下載鏈接。）

預驗證的模型

模型	#params	MACCS	TOP-1錯誤	TOP-5錯誤	關聯
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	2467萬	4.2	21.76	6.09	OneDrive
RES2NET-DLA-60	21.5m	4.2	21.53	5.80	OneDrive
RES2Next-DLA-60	17.33萬	3.6	21.55	5.86	OneDrive
RES2NET-V1B-50	25.72m	4.5	19.73	4.96	關聯
RES2NET-V1B-101	45.23m	8.3	18.77	4.64	關聯
RES2NET-V1D-200-SSLD	76.21m	15.7	14.87	2.58	paddlepaddlelink

消息

RES2NET_V1B現在可用。
您可以使用pretrained = True加載驗證的模型。

現在可以使用BAIDU磁盤的下載鏈接。（Baidu磁盤密碼： VBIX ）

申請

可以在https://mmcheng.net/res2net/上找到其他應用，例如分類，實例分割，對象檢測，語義分割，顯著對象檢測，CT掃描的腫瘤分割。

引用

如果您發現此工作或代碼對您的研究有所幫助，請引用：

 @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}, 
}