點擊上方“視學算法”，選擇加"星標"或“置頂”
重磅乾貨，第一時間送達
編輯：Cver
本文作者：張航
https://zhuanlan.zhihu.com/p/140236141
本文已由原作者授權，不得擅自二次轉載
上期回顧：在上一篇關於語義分割在 ADE20K 數據集文章發佈之後，我們又測試了 Cityscapes 和 Pascal Context，均達到了 SoTA 水平。
首先感謝小夥伴們 (Chongruo @吳衝若, Jerry@張鍾越, Yi @朱毅) 的努力工作 ，還有沐神 @李沐的大力支持。
我們最近使用 ResNeSt 對各項下游應用進行測試，發現僅需使用經典算法作爲基礎，使用 ResNeSt 作爲主幹網絡，就可以在各項應用中輕鬆獲得 SoTA 水平，下面是幾個相關的應用：
因爲最近小夥伴們都比較忙，我們就不詳細贅述了，這裏主要是展示一下我們取得的結果。希望給準備打 COCO+LVIS比賽的小夥伴有所幫助，代碼和模型都已經開源
主倉庫鏈接：
https://github.com/zhanghang1989/ResNeSt
Detectron模型鏈接：
https://github.com/zhanghang1989/detectron2-ResNeSt
文章末尾有一些彩蛋，有興趣可以看一下。
我們使用了 Cascade R-CNN + ResNeSt200DCN 在 MS-COCO 目標檢測 test-dev 數據集上的結果如下：
這個表現追平了之前的 CBNet，與CBNet使用 3 個 backbone 不同，我們的模型只使用了單一的 ResNeSt-200 + DCN 的 backbone，所以有更好的推理速度。
在 MS-COCO 實例分割的 test-dev 數據集上的結果如下：
我們超過了 SpineNet 和 CBNet。在全景分割上，我們大幅超越前人工作：
最後補充一下上一篇沒有提到的語義分割上的結果，在Cityscapes驗證集上：
在 Pascal Context 驗證集上 （我們沒有找到 test server）：
寫在後面：
之前有公衆號高調宣傳我們的 ResNeSt paper，有朋友在評論區指責我們給 reviewer 壓力，所以我們選擇在審稿意見出來之後再繼續宣傳。而且我們很驚喜地收到一個 strong reject，關心這個審稿意見怎麼寫的朋友，可以去那個指責我們給 reviewer 壓力的評論，翻譯成英文是一模一樣的。
關於這篇文章，當時投稿的時候，在 ImageNet 確實 Ablation Study 做得有許多不到位的地方，但是之前的文章也沒有把所有前人提出的網絡都按照相同 setting 訓練一遍，而且這位 reviewer 還問爲什麼不比一下 SKNet + ResNet50D 這個不曾出現在前人工作中的網絡。我覺得一定是出於對學術的嚴謹性給出的 strong reject，我非常感謝大家對我們工作的嚴格要求，在改投之前一定會把補充實驗補充好（其實最近已經在做了）。
我之前也說過，這篇文章不是要解決分類問題，因爲我認爲分類問題是已經解決了的問題。最近領域內的基礎網絡研究和下游應用脫節。EfficientNet 很成功，但是它與下游應用已有的算法不兼容。我們訓練網絡中使用了一些 EfficientNet 的訓練方法，比如 Auto Augment，但是請問爲什麼 ResNet 系列就不能用訓練技巧。而且 Ablation Study 裏面已經展示了，我們並沒有使用精度最好的 setting 來做backbone，而是選擇一個 latency 較小的，主要就是爲了下游應用考慮。
我們不重複造輪子，希望做的網絡能夠和前人工作最好地兼容起來。這個網絡替換原有 ResNet，可以提高3%左右，甚至在不使用任何技巧的情況下，直接在各個下游應用的主流數據集中取得 SoTA 的結果。希望這個網絡能夠對領域內的工作有所啓發，其實我們並沒有真正在意多一篇頂會文章。
請給我一個在看！
