ResNetX：一种更具无序性且更深的网络架构
计算机视觉与模式识别
2019-12-30 v1 图像与视频处理
摘要
设计高效网络结构一直是神经网络研究的核心内容。ResNet 及其变体已被证明在架构上是高效的。然而，如何从理论上刻画网络结构对性能的影响仍不明确。借助复杂网络技术，我们在此通过对 ResNet 的主干链进行折叠，提供了一种自然且高效的 ResNet 扩展。当映射为有向无环图时，我们的架构具有两个结构特征：第一，与 ResNet 相比具有更高的无序度，这使 ResNetX 能够探索更多具有不同感受野尺寸的特征图；第二，与 ResNet 相比具有更大比例的最短路径，这改善了信息贯穿整个网络的直接流动。除现有的深度、宽度和基数维度外，我们的架构揭示了一个新的维度，即“折叠深度”。我们的架构是 ResNet 的自然扩展，并且可以轻易地与现有最先进方法集成。在 CIFAR-10 和 CIFAR-100 基准上的图像分类结果表明，我们的新网络架构优于 ResNet。
引用
@article{arxiv.1912.12165,
title = {ResNetX: a more disordered and deeper network architecture},
author = {Wenfeng Feng and Xin Zhang and Guangpeng Zhao},
journal= {arXiv preprint arXiv:1912.12165},
year = {2019}
}