具有分离式随机深度的深度金字塔残差网络
计算机视觉与模式识别
2016-12-06 v1
摘要
在一般物体识别方面，深度卷积神经网络（DCNNs）实现了高精度。特别是，ResNet 及其改进方法打破了最低错误率记录。在本文中，我们提出了一种成功结合两种 ResNet 改进方法 ResDrop 和 PyramidNet 的方法。我们证实所提出的网络优于常规方法；在 CIFAR-100 上，所提出的网络实现了 16.18% 的错误率，而 PyramidNet 实现了 18.29% 的错误率，ResNeXt 实现了 17.31% 的错误率。
引用
@article{arxiv.1612.01230,
title = {Deep Pyramidal Residual Networks with Separated Stochastic Depth},
author = {Yoshihiro Yamada and Masakazu Iwamura and Koichi Kise},
journal= {arXiv preprint arXiv:1612.01230},
year = {2016}
}