CIFAR和SVHN结果
- 加粗表示原论文中该网络的最优结果。
- 可以看出DenseNet-BC优于ResNeXt优于DenseNet优于WRN优于FractalNet优于ResNetv2优于ResNet。
- ResNeXt-29，8x64d表示29层，ResNeXt分支数为8，每个分支的bottleneck宽度为64。
- 这里记录的结果是使用了标准数据增强的test error。
- 因为有些论文会拿前人工作的次优结果对比，所以这些结果可能会和一些论文的实验数据有所出入。
| 网络 |
网络参数 |
CIFAR10 |
CIFAR100 |
SVHN |
备注 |
| ResNet-110 |
1.7M |
6.61 |
|
|
|
| ResNet-110 |
1.7M |
6.41 |
27.22 |
2.01 |
stochastic depth复现的 |
| ResNet-164 |
1.7M |
|
25.16 |
|
resNetv2提中提到的 |
| ResNetv2-164 |
1.7M |
5.46 |
24.33 |
|
|
| ResNetv2-1001 |
10.2M |
4.69 |
22.68 |
|
|
| FractalNet-20 with drop |
38.6M |
4.60 |
|
1.87 |
|
| FractalNet-40 |
22.9M |
|
22.49 |
|
|
| WRN-40-4 |
8.9M |
4.53 |
21.18 |
|
|
| WRN-16-8 |
11.0M |
4.27 |
20.43 |
|
|
| WRN-28-10 |
36.5M |
4.00 |
19.25 |
|
|
| WRN-28-10 dropout |
36.5M |
3.89 |
18.85 |
|
|
| WRN-16-4 dropout |
|
|
|
1.64 |
|
| ResNeXt-29，8x64d |
34.4M |
3.65 |
17.77 |
|
|
| ResNeXt-29，16x64d |
68.1M |
3.58 |
17.31 |
|
|
| DenseNet-40（k=12） |
1.0M |
5.24 |
24.42 |
1.79 |
|
| DenseNet-100（k=12） |
7.0M |
4.10 |
20.20 |
1.67 |
|
| DenseNet-100（k=24） |
27.2M |
3.74 |
19.25 |
1.59 |
|
| DenseNet-BC-100（k=12） |
0.8M |
4.51 |
22.27 |
1.76 |
|
| DenseNet-BC-250（k=24） |
15.3M |
3.62 |
17.60 |
1.74 |
|
| DenseNet-BC-190（k=40） |
25.6M |
3.46 |
17.18 |
|
|
CIFAR数据集地址
http://www.cs.toronto.edu/~kriz/cifar.html