CIFAR和SVHN在各CNN论文中的结果

CIFAR和SVHN结果

1. 加粗表示原论文中该网络的最优结果。
2. 可以看出DenseNet-BC优于ResNeXt优于DenseNet优于WRN优于FractalNet优于ResNetv2优于ResNet。
3. ResNeXt-29，8x64d表示29层，ResNeXt分支数为8，每个分支的bottleneck宽度为64。
4. 这里记录的结果是使用了标准数据增强的test error。
5. 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

转载于:https://www.cnblogs.com/liaohuiqiang/p/9692888.html