SKNet-paddle

基于paddle框架的Selective Kernel Networks实现

一、简介

本项目基于paddle复现Selective Kernel Networks中提出的SKNet-50模型。该模型利用非线性的方法整合信息，以实现动态调整RF的大小。主要思想是提出了“Selective Kernel” (SK) convolution。包含 Split - Fuse - Select 三个部分：

Split：分出多个支流，每一个支流都有不同大小的filter/kernel size，以此来实现不同大小的RF；

Fuse：整合支流的信息，然后获得selection weights；

Select ：通过selection weights来聚合feature map。

论文:

• [1] Xiang Li, Wenhai Wang, Xiaolin Hu and Jian Yang, "Selective Kernel Networks", CVPR 2019.

参考项目:

• https://github.com/rwightman/pytorch-image-models
• https://github.com/PaddlePaddle/PaddleClas

二、快速开始

2.1 clone

# clone this repo
git clone https://github.com/lvjian0706/SKNet-paddle.git
cd SKNet-paddle

2.2 安装环境及依赖

pip install -r requirements.txt

2.3 模型训练

bash tools/train.sh

默认为4卡训练，单卡训练需要更改 train.sh 文件并根据 batch size 的变化调整学习率大小。

2.4 模型评估

bash tools/val.sh

默认为4卡训练，单卡训练需要更改 val.sh 文件。

三、预训练模型

链接: https://pan.baidu.com/s/1gJgz_MD5ei_4qYZf5RWHYg 密码: ib38

ACC Top1:78.834 Top5:94.282