imagenet 测试精度记录
ConvNeXt：新一代卷积网络，还不是ViT的时代（代码开源）
ConvNeXt：新一代卷积网络，还不是ViT的时代（代码开源）
目录
poolformer
CoTNet
ParNet
Convolutional-MLPs
renet精度
repvgg
ConvMixer
hs-resnet50
RedNet
nfnet
SimAM
poolformer
https://github.com/sail-sg/poolformer
模型46M,精度77.2
模型82M,精度80.3
| Model | #params | Image resolution | Top1 Acc | Download |
|---|---|---|---|---|
| poolformer_s12 | 12M | 224 | 77.2 | here |
| poolformer_s24 | 21M | 224 | 80.3 | here |
| poolformer_s36 | 31M | 224 | 81.4 | here |
| poolformer_m36 | 56M | 224 | 82.1 | here |
| poolformer_m48 | 73M | 224 | 82.5 | here |
CoTNet
京东开源的：
https://github.com/JDAI-CV/CoTNet
| CoTNet-50 | 224 | 22.2M | 3.3 | 81.3 | 95.6 | GoogleDrive / Baidu |
| CoTNeXt-50 | 224 | 30.1M | 4.3 | 82.1 | 95.9 | GoogleDrive / Baidu |
| SE-CoTNetD-50 | 224 | 23.1M | 4.1 | 81.6 | 95.8 | GoogleDrive / Baidu |
| CoTNet-101 | 224 | 38.3M | 6.1 | 82.8 | 96.2 | GoogleDrive / Baidu |
| CoTNeXt-101 | 224 | 53.4M | 8.2 | 83.2 | 96.4 | GoogleDrive / Baidu |
| SE-CoTNetD-101 | 224 | 40.9M | 8.5 | 83.2 | 96.5 | GoogleDrive / Baidu |
| SE-CoTNetD-152 | 224 | 55.8M | 17.0 | 84.0 | 97.0 | GoogleDrive / Baidu |
| SE-CoTNetD-152 | 320 | 55.8M | 26.5 | 84.6 | 97.1 | GoogleDrive / Baidu |
ParNet
12层也能媲美ResNet
尚未上传代码：
https://github.com/imankgoyal/NonDeepNetworks
Convolutional-MLPs
https://github.com/SHI-Labs/Convolutional-MLPs
36m模型，精度76.8，比resent-50稍微好一点。有下载链接:
| Dataset | Model | Top-1 Accuracy | # Params | MACs |
| ImageNet | ConvMLP-S | 76.8% | 9.0M | 2.4G |
| ConvMLP-M | 79.0% | 17.4M | 3.9G | |
| ConvMLP-L | 80.2% | 42.7M | 9.9G |
renet精度
| Network | Top-1 error | Top-5 error |
| ResNet-18 | 69.57 | 89.24 |
| ResNet-34 | 73.27 | 91.26 |
| ResNet-50 | 75.99 | 92.98 |
| ResNet-101 | 77.56 | 93.79 |
| ResNet-152 | 77.84 | 93.84 |
| ResNet-200 | 78.34 | 94.21 |
repvgg
ConvMixer
讲解：
ConvMixer来了！单挑ResNet、ViT、MLP-Mixer的简单模型
代码：
GitHub - tmp-iclr/convmixer
hs-resnet50
RedNet
https://github.com/d-li14/involution
| Model | Params(M) | FLOPs(G) | Top-1 (%) | Top-5 (%) | Config | Download |
|---|---|---|---|---|---|---|
| RedNet-26 | 9.23(32.8%↓) | 1.73(29.2%↓) | 75.96 | 93.19 | config | model | log |
| RedNet-38 | 12.39(36.7%↓) | 2.22(31.3%↓) | 77.48 | 93.57 | config | model | log |
| RedNet-50 | 15.54(39.5%↓) | 2.71(34.1%↓) | 78.35 | 94.13 | config | model | log |
| RedNet-101 | 25.65(42.6%↓) | 4.74(40.5%↓) | 78.92 | 94.35 | config | model | log |
| RedNet-152 | 33.99(43.5%↓) | 6.79(41.4%↓) | 79.12 | 94.38 | config | model | log |
nfnet
我发现一个问题，第一层只有16个通道
deepmind-research/nfnets at master · deepmind/deepmind-research · GitHub
论文链接：https://arxiv.org/abs/2102.06171
DeepMind 还放出了模型的实现：https://github.com/deepmind/deepmind-research/tree/master/nfnets
SimAM
GitHub - ZjjConan/SimAM: The official pytorch implemention of our ICML paper "SimAM: A Simple, Parameter-Free Attention Module for Convolutional Neural Networks".
| Model | Parameters | FLOPs | Top-1(%) | Top-5(%) |
|---|---|---|---|---|
| SimAM-R18 | 11.69 M | 1.82 G | 71.31 | 89.88 |
| SimAM-R32 | 21.80 M | 3.67 G | 74.49 | 92.02 |
| SimAM-R50 | 25.56 M | 4.11 G | 77.45 | 93.66 |
| SimAM-R101 | 44.55 M | 7.83 G | 78.65 | 94.11 |
| SimAM-RX50 (32x4d) | 25.03 M | 4.26 G | 78.00 | 93.93 |
| SimAM-MV2 | 3.50 M | 0.31 G | 72.36 | 90.74 |
imagenet 测试精度记录相关推荐
- 10亿级数据规模的半监督图像分类模型，Imagenet测试精度高达81.2％ | 技术头条...
译者 | linstancy 作者| I. Zeki Yanlniz, Herve Jegou, Kan Chen, Manohar Paluri, Dhruv Mahajan 编辑 | 蓝色琥珀鱼, ...
- Facebook AI 提出10亿级数据规模的半监督图像分类模型，ImageNet测试精度高达81.2％！...
译者 | linstancy 作者| I. Zeki Yanlniz, Herve Jegou, Kan Chen, Manohar Paluri, Dhruv Mahajan 编辑 | 蓝色琥珀鱼, ...
- 如何提高lstm的预测精度_如何提高示波器的测试精度？五大因素助您了解！
对于测试仪器来说,精度.可靠性.稳定性及功能是非常重要的几个指标,这也决定了工程师对测试结果的信心.基于示波器的设计原理,它具有非常高的采样速率,时间精度可以保证,但很多工程师却忽略了其幅度的测试精度 ...
- 传奇服务器包裹元宝数量显示,GOM传奇服务端测试记录元宝，传奇GM版本库测试区记录元宝数量教程...
GOM传奇服务端测试记录元宝,传奇GM版本库测试区记录元宝数量教程 本文出处:网游动力作者:本站发布时间:2019-09-01阅读次数: [@main] #IF #ACT OPENMERCHANTBI ...
- fluke dtx-1800测试精度有必要进行原厂校准吗？
时间拨打1994年,福禄克DSP系列铜缆测试仪诞生,到2004年下市,同步的DTX-1800系列推出,再到2015年DTX-1800系列全面下线.DSP在位时间为10年,而DTX-1800在位11年之 ...
- skywalking内部测试服务器安装记录
skywalking内部测试服务器安装记录 1.yum install java-1.8.0-openjdk* -y 安装java1.8包 2.yum install net-tools 目前这个之前 ...
- epoch 增大 精度降低_气密性测试设备是如何保证测试精度？
气密性测试设备的检测精度是非常关键的,别名气密检测设备,在各种气密性测试.防水测试工况中,是否检测准确无误,且高效的展开气密测试,防水测试都要把控好气密测试的精度,那么,影响气密测试精度的要素主要有哪 ...
- 12层也能媲美ResNet？邓嘉团队提出最新力作ParNet，ImageNet top1精度直冲80.7%
作者丨happy 编辑丨极市平台 导读 是否有可能构建一个高性能的Non-deep(非深度)神经网络呢 ?普林斯顿大学的Jia Deng团队的最新力作ParNet:凭借12层的深度网络在ImageNe ...
- vulnhub_内网渗透测试的记录——网络安全
主要考察知识点 文件包含内网穿透命令上传弱口令更改权限HTTP协议HeaderElasticSearch-CVE暴力破解 网络拓扑 写完之后把靶机的网络拓扑也做了一下 写在之前 这次用的虚拟机是VM_ ...
最新文章
- 每秒处理请求数和并发的关系
- C++ Map传递参数
- 0-C相关01:NSlog函数介绍。
- linux 提取cpio_使用rpm2cpio,cpio提取rpm包的中的特定文件
- 远程仓库---从远程库克隆
- Java中的注解--annotation
- python3不等于号_python中的不等于号是什么
- 计算机二级web题目（9.1）--综合选择题3
- 蒋涛：重新回归的我，将带领 CSDN 全方位升级，为 AI 转型者打造一站式平台
- html文件vbs病毒,一段病毒常用的VBS代码
- 网络营销数据解读（九）——客户族群细分（Segmentation）2-2
- 模拟电子技术的一点心得（转）
- 把你的桌面变成vista
- Easyx图形库小游戏---迷宫
- 【VMware的坑爹之路】VMware复制文件卡死死机；无法访问网络地址“*:\“
- 【Knowledge Graph】C3KG: A Chinese Commonsense Conversation Knowledge Graph
- ios测试版软件永久,iOS10.3.3 Beta6开发者测试版
- maven核心，pom.xml详解
- 3Dmax_三维模型无法处理平滑解决方案
- 后台系统登录一般流程
热门文章
- Linux C使用bool类型 出现错误expected '=', ',', ';', 'asm' or '__attribute__'
- python：BeautifulSoup 模块使用指南
- 如何识别高级的验证码
- Android开发--FileInputStream/OutStream/Sdcard写入
- android 开发--获取文件的扩展名和去掉文件的扩展名
- Win2K下关联进程/端口之代码初步分析
- java 变量分配_Java中成员变量分配在哪个空间？
- 证书到期了_注意！出口沙特所有扁钢制品证书将于8月26日到期 ，需要强制QM
- linux下搭建基于python的vim,Linux下搭建基于python的VIM-Go语言中文社区
- linux启动程序api编程,Linux编程中关于API函数与系统调用间关系