DPN：Dual Path Networks

发表于 更新于 分类于 ， ， ， 阅读次数： 本文字数： 631 阅读时长 ≈ 1 分钟

DPN 融合了 RestNeXt 和 DenseNet 的优点，提出双路的特征提取架构

什么是 DPN ？

  • DPN 结合 ResNeXt 的优点（重用特征，因为整个 ResNet 都具备这个属性）和 DenseNet 的优点（在重用特征上存在冗余，但是利于探索新特征）
  • 上图的 d, e 是等价的，都是 DPN，分成左右两个部分，第一部分类似 DenseNet，第二部分是 ResNeXt，对与中间的 shortcut 部分，由左右两部分的特征图经过 1x1 卷积相加，然后经过 3x3 卷积，和 1x1 的卷积（这就是 resnet 的 shortcut 部分），然后对获取的特征图分成两部分，一部分和左边类 DenseNet 对应特征图拼接，另一部分与右边 ResNeXt 的特征图进行相加

DPN 的网络结构？

  • （a）残差网络；（b）密集连接网络，每一层都可以获取所有先前微模块的输出；（c）通过共享（b）中层间的相同输出的首个 1×1 连接，密集连接网简并成一个残差网络；（c）中用虚线圈起的长方形标出了残差单元的位置；（d）本篇所提出的双路径结构 ——dual path architecture——DPN。（e）实现过程中（d）的等价形式，「~」表示一个分支操作（split operation），「+」表示元素级（element-wise）的相加

参考：

  1. 卷积神经网络从 lenet 到 DPN 发展历程_dpn 神经网络_qq_643421232 的博客 - CSDN 博客
  2. DPN（Dual Path Network）算法详解_dpn 网络_AI 之路的博客 - CSDN 博客