2021-11-26 19:28:16 +08:00
|
|
|
# RedNet 系列
|
2021-11-25 15:40:40 +08:00
|
|
|
---
|
|
|
|
|
## 目录
|
2021-06-10 23:54:00 +08:00
|
|
|
|
2021-11-25 15:40:40 +08:00
|
|
|
* [1. 概述](#1)
|
|
|
|
|
* [2. 精度、FLOPS 和参数量](#2)
|
2021-12-13 20:42:03 +08:00
|
|
|
* [3. 基于 V100 GPU 的预测速度](#3)
|
2021-06-10 23:54:00 +08:00
|
|
|
|
2021-11-25 15:40:40 +08:00
|
|
|
<a name='1'></a>
|
|
|
|
|
## 1. 概述
|
2021-06-10 23:54:00 +08:00
|
|
|
|
2021-11-25 15:40:40 +08:00
|
|
|
在 ResNet 的 Backbone 和 Backbone 的所有 Bottleneck 位置上使用 Involution 替换掉了卷积，但保留了所有的卷积用于通道映射和融合。这些精心重新设计的实体联合起来，形成了一种新的高效 Backbone 网络，称为 RedNet。[论文地址](https://arxiv.org/abs/2103.06255)。
|
2021-06-10 23:54:00 +08:00
|
|
|
|
2021-11-25 15:40:40 +08:00
|
|
|
<a name='2'></a>
|
|
|
|
|
## 2. 精度、FLOPS 和参数量
|
2021-06-10 23:54:00 +08:00
|
|
|
|
|
|
|
|
| Model | Params (M) | FLOPs (G) | Top-1 (%) | Top-5 (%) |
|
|
|
|
|
|:---------------------:|:----------:|:---------:|:---------:|:---------:|
|
|
|
|
|
| RedNet26 | 9.2 | 1.7 | 75.95 | 93.19 |
|
|
|
|
|
| RedNet38 | 12.4 | 2.2 | 77.47 | 93.56 |
|
|
|
|
|
| RedNet50 | 15.5 | 2.7 | 78.33 | 94.17 |
|
|
|
|
|
| RedNet101 | 25.7 | 4.7 | 78.94 | 94.36 |
|
2021-12-13 20:42:03 +08:00
|
|
|
| RedNet152 | 34.0 | 6.8 | 79.17 | 94.40 |
|
|
|
|
|
|
|
|
|
|
<a name='3'></a>
|
|
|
|
|
|
|
|
|
|
## 3. 基于 V100 GPU 的预测速度
|
|
|
|
|
|
|
|
|
|
| 模型 | Crop Size | Resize Short Size | time(ms)<br>bs=1 | time(ms)<br>bs=4 | time(ms)<br/>bs=8 |
|
|
|
|
|
| --------- | --------- | ----------------- | ---------------- | ---------------- | ----------------- |
|
|
|
|
|
| RedNet26 | 224 | 256 | 4.45 | 15.16 | 29.03 |
|
|
|
|
|
| RedNet38 | 224 | 256 | 6.24 | 21.39 | 41.26 |
|
|
|
|
|
| RedNet50 | 224 | 256 | 8.04 | 27.71 | 53.73 |
|
|
|
|
|
| RedNet101 | 224 | 256 | 13.07 | 44.12 | 83.28 |
|
|
|
|
|
| RedNet152 | 224 | 256 | 18.66 | 63.27 | 119.48 |
|
