金字塔形卷积 这是我们的论文的PyTorch实现。 (请注意,这是ImageNet上图像识别的代码。有关语义图像分割/解析的信息,请参见以下存储库: : ) 在ImageNet上训练的模型可以在找到。 PyConv能够提供比基线更高的识别能力(有关详细信息,请参见)。 ImageNet上的准确性(使用默认培训设置): 网络 50层 101层 152层 ResNet 76.12%( ) 78.00%( ) 78.45%( ) PyConvHGResNet 78.48 %( ) 79.22 %( ) 79.36 %( ) PyConvResNet 77.88 %( ) 79.01 %( ) 79.52 %( ) 使用更复杂的训练设置(例如,使用附加数据增强(CutMix),将bach大小增加到1024,学习率0.4,余弦调度程序超过300个纪元以及使用混合精度来加