Momenta详解ImageNet2017夺冠架构SENet(6)
2023-05-04 来源:飞速影视
首先我们来看一下网络的深度对 SE 的影响。上表分别展示了 ResNet-50、ResNet-101、ResNet-152 和嵌入 SE 模型的结果。第一栏 Original 是原作者实现的结果,为了进行公平的比较,我们在 ROCS 上重新进行了实验得到 Our re-implementation 的结果(ps. 我们重实现的精度往往比原 paper 中要高一些)。最后一栏 SE-module 是指嵌入了 SE 模块的结果,它的训练参数和第二栏 Our re-implementation 一致。括号中的红色数值是指相对于 Our re-implementation 的精度提升的幅值。
从上表可以看出,SE-ResNets 在各种深度上都远远超过了其对应的没有 SE 的结构版本的精度,这说明无论网络的深度如何,SE 模块都能够给网络带来性能上的增益。值得一提的是,SE-ResNet-50 可以达到和 ResNet-101 一样的精度;更甚,SE-ResNet-101 远远地超过了更深的 ResNet-152。
![Momenta详解ImageNet2017夺冠架构SENet](http://fs.qqfile.top/re/aHR0cHM6Ly90MTAuYmFpZHUuY29tL2l0L2ZtPTE3MyZhbXA7Zm10PWF1dG8mYW1wO2g9MzIwJmFtcDtpbWdfSlBFRz0mYW1wO3M9MEQ4RTc1MzMwNzU4NURDQTU2RkQ4NURBMDAwMEMwQjEmYW1wO3U9MTYwNjI4OTcyNywxODc5ODExOTY0JmFtcDt3PTY0MA2)
上图展示了 ResNet-50 和 ResNet-152 以及它们对应的嵌入 SE 模块的网络在 ImageNet 上的训练过程,可以明显地看出加入了 SE 模块的网络收敛到更低的错误率上。
![Momenta详解ImageNet2017夺冠架构SENet](/images/loading.gif)
本站仅为学习交流之用,所有视频和图片均来自互联网收集而来,版权归原创者所有,本网站只提供web页面服务,并不提供资源存储,也不参与录制、上传
若本站收录的节目无意侵犯了贵司版权,请发邮件(我们会在3个工作日内删除侵权内容,谢谢。)
www.fs94.org-飞速影视 粤ICP备74369512号