极市直播 | 张航：ResNeSt，拆分注意力网络｜ResNet最强改进版

↑ 点击蓝字关注极市平台 识别先机 创造未来

| 极市线上分享  第60期 |

一直以来，为让大家更好地了解学界业界优秀的论文和工作，极市已邀请了超过60位技术大咖嘉宾，并完成了59期极市线上直播分享，往期分享请前往bbs.cvmart.net/topics/149 或直接阅读原文，也欢迎各位小伙伴自荐或推荐更多多优秀的技术嘉宾到极市进行技术分享，与大家一起交流学习~~

在图像处理领域，虽然近年来的新模型层出不穷，但在大多数的下游任务中，例如目标检测、语义分割，依旧还是用ResNet或其变体作为骨干网络。在今年4月中旬，亚马逊团队提出了“ResNet最强改进版”网络——ResNeSt。ResNeSt可以直接应用到已有的主流模型中，显著提高 Mask R-CNN，Cascade R-CNN 等模型的结果（~3%）。极市也对此进行过相关报道解读：ResNet最强改进版来了！ResNeSt：Split-Attention Networks。

本次直播，我们重磅邀请到ResNeSt的作者：亚马逊应用科学家张航，为我们深度解读ResNeSt的相关工作。

01

直播信息

时间：2020年6月20日 （周六）上午10:00~11:00

主题

ResNeSt: 拆分注意力网络

02

嘉宾介绍

张航

亚马逊应用科学家，于2017年获得罗格斯大学博士学位，2013年获得东南大学学士学位。研究方向：图像分类，语义分割，半监督学习以及自动化深度学习。

更多信息见个人主页：

https://hangzhang.org/

03

关于分享

➤分享背景

分类网络通常作为下游应用的 backbone，但是最近很多分类问题的工作没有保持 VGG，ResNet 等经典网络模块化的设计，导致目标检测等主流应用的研究还在使用 ResNet。所以我们设计了新的 ResNet 变体 ResNeSt，可以直接应用到已有的主流模型中，显著提高 Mask R-CNN，Cascade R-CNN 等模型的结果（~3%）

ResNeSt：Split-Attention Networks

论文地址: 

https://arxiv.org/pdf/2004.08955.pdf

代码地址：

https://github.com/zhanghang1989/ResNeSt

➤分享大纲

1. 简要介绍CNN 基础网络的发展历程

2. 近期神经网络结构搜索的发展，以及与下游应用的脱节

3. 拆分注意力：注意力机制与多通道网络的融合

4. ImageNet上的分类表现，以及迁移学习的效果

5. 总结与未来工作展望

04

参与方式

关注“极市平台”公众号，回复“60”或“张航”可获取免费直播链接。

05

往期回顾

极市平台专注分享计算机视觉前沿资讯和技术干货，特邀请行业内专业牛人嘉宾为大家分享视觉领域内的干货及经验，目前已成功举办59期线上分享。近期在线分享可点击以下标题查看：

……

更多往期分享请浏览：极市计算机视觉技术分享集锦

（http://bbs.cvmart.net/topics/149/cvshare），也可以点击阅读原文获取。

在"极市平台"公众号后台回复期数或者分享嘉宾名字，即可获取极市平台对应期在线分享资料。

06

关于极市平台

极市（Extreme Mart）是深圳极视角科技有限公司旗下AI开发者生态，面向计算机视觉算法工程师，为开发者提供算法开发环境、真实数据项目实战、自动测试、加速工具、算法封装等全方位平台技术与工程支持，同时提供技术干货、大咖分享、社区交流、竞赛活动等丰富的内容与服务。

官网：www.cvmart.net

有任何问题请在本帖下留言，嘉宾会在直播中回答大家的问题~

觉得有用麻烦给个在看啦~