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。
| 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