DPN

カテゴリ: CNN · コード: timm/models/dpn.py · アーキテクチャ: 7 · 事前学習済み重み: 7 (ImageNet-1kの結果付き: 7)

Dual Path Networksは、各ブロックにおいて残差パス（特徴の再利用）と密結合パス（新特徴の探索）を組み合わせます。元のMXNet実装の重みと互換性があります。

論文

• デュアルパスネットワーク

使用方法

事前学習済み重みの読み込み、画像の前処理、ファインチューニングについてはクイックスタートを、モデルをバックボーンとして使用する方法については特徴量抽出を参照してください。

>>> import timm
>>> model = timm.create_model('dpn92.mx_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

モデルAPIのサポート

✓ 対応、✓ (square) 正方形サイズのみ対応、✗ 非対応、– 不要（モデルは任意の入力サイズを既に受け付ける）。各機能をランダム初期化されたモデル（DPN の dpn48b、224）で実行して確認しています。同じクラスの他のアーキテクチャも同様に動作すると考えられます。詳細はModel APIページを参照してください。

アーキテクチャ

GMACsとパラメータ数は、各アーキテクチャのデフォルトの入力サイズと分類器に基づいており、ベンチマーク結果から得られたものです。

事前学習済み重み

Top-1 は、results-imagenet.csv に記載された評価サイズでの ImageNet-1k 検証精度です。- は、ImageNet-1k の結果がない重み（例: プリトレーニング用または画像-テキスト用重み）を示します。Classes は事前学習済み分類器のサイズで、分類器を持たない重みについては none です。