DLA

Категория: CNN · Код: timm/models/dla.py · Архитектуры: 12 · Предобученные веса: 12 (12 с результатами на ImageNet-1k)

Сети Deep Layer Aggregation (DLA) объединяют признаки между блоками и стадиями с помощью итеративных и иерархических узлов агрегации. Включает варианты DLA, построенные на основе блоков Res2Net.

Статьи

• Глубокое агрегирование слоёв
• Res2Net: новая многомасштабная архитектура базового слоя

Использование

См. раздел Быстрый старт для загрузки предобученных весов, предобработки изображений и дообучения, а также раздел Извлечение признаков для использования моделей в качестве базовых архитектур.

>>> import timm
>>> model = timm.create_model('dla102x.in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

Поддержка Model API

✓ поддерживается, ✓ (квадрат) работает только для квадратных размеров, ✗ не поддерживается, – не требуется (модель уже принимает входные данные любого размера). Проверено путём запуска каждой функции на случайно инициализированной модели (DLA с dla46x_c при 224), ожидается, что другие архитектуры того же класса будут вести себя аналогично. Подробности на странице Model API.

Архитектуры

GMACs и количество параметров указаны для размера входных данных и классификатора по умолчанию для каждой архитектуры, согласно результатам бенчмарков.

Предобученные веса

Top-1 — это точность на валидационном наборе ImageNet-1k из results-imagenet.csv для указанного размера оценки, - если для весов нет результата ImageNet-1k (например, веса для предобучения или изображения-текст). Classes — размер предобученного классификатора, none для весов без классификатора.