①ResNet最强改进版来了！ResNeSt：分散-注意力网络

ResNeSt-50在ImageNet上实现了81.13％的top-1，简单地用ResNeSt-50替换ResNet-50，可以将MS-COCO上的FasterRCNN的mAP从38.5％提高到41.4％！代码现已开源！作者团队：亚马逊(张航和李沐等)&UC Davis

尽管图像分类模型最近不断发展，但是由于其简单而模块化的结构，大多数下游应用程序（例如目标检测和语义分割）仍将ResNet变体用作backbone。我们展示了一个简单的模块：Split-Attention，该块可实现跨特征图的注意力。通过以ResNet样式堆叠这些Split-Attention块，我们获得了一个称为ResNeSt的新ResNet变体。我们的网络保留了完整的ResNet结构，可直接用于下游任务，而不会引起额外的计算成本。ResNeSt模型的模型复杂度优于其他网络。例如，ResNeSt-50使用224×224的单个作物尺寸在ImageNet上实现了81.13％的top-1精度，比以前最好的ResNet变种高出1％以上。此改进还有助于下游任务，包括目标检测，实例分割和语义分割。例如，通过简单地用ResNeSt-50替换ResNet-50主干，我们将MS-COCO上的FasterRCNN的mAP从38.5％提高到41.4％，将ADE20K上的DeeplabV3的mIoU从42.1％提高到45.1％。
《ResNeSt: Split-Attention Networks》