4. 实验

4.1 分类实验

其实透过上表一斤可以看出该方法的优越性了，仅仅是MobileNet的FLOPs和参数两就已经达到甚至超越了ResNet50的水平。

ReXNets的性能更是超越了EfficientNets

4.2 检测实验

可以看出ReXNet-1.3x+SSDLite仅仅用来十分之一的FLOPs和参数量就可以达到SSD的检测水平。在远低于yolos tiny系列的FLOPs和参数量的情况下更是玩爆yolo-v3-tiny、yolo-v4-tiny直逼yolo-v5s。

4.3 迁移学习

就不比比那么多啦，就是好就对了，很香，很快，很好用！！！

5 参考

[1].ReXNet: Diminishing Representational Bottleneck on Convolutional Neural Network

[2].https://github.com/clovaai/rexnet/blob/master/rexnetv1.py

6 推荐阅读

新型卷积 | 涨点神器！利用Involution可构建新一代神经网络！(文末获取论文与源码)

CVPR2021-即插即用 | Coordinate Attention详解与CA Block实现(文末获取论文原文)

知识干货 | GAN的原理和数学推导

全领域涨点 | Transformer携Evolving Attention在CV与NLP领域全面涨点(文末送书)

Backbone | 谷歌提出LambdaNetworks：无需注意力让网络更快更强(文末获取论文源码)

Transformer系列 | 更深、更强、更轻巧的Transformer，DeLighT(文末获取论文与源码)

泛化神器 | 李沐老师新作进一步提升模型在多域多的泛化性，CV和NLP均有大幅度提升(文末获取论文)