此标题通俗易懂地反映了文章内容，同时使用了符合中文口语习惯的表达方式。

DenseNets 重生版：超越ResNets和ViTs的范式转变
RDNet，由NAVER Cloud AI和NAVER AI Lab开发
2024 ECCV (Sik-Ho Tsang @ Medium)

图像分类（1989 … 2023）
[Vision Permutator (ViP)] [ConvMixer] [CrossFormer++] [FastViT] [EfficientFormerV2] [MobileViTv2] [ConvNeXt V2] [SwiftFormer] [OpenCLIP] 2024[FasterViT] [CAS-ViT] [TinySaver]
更多相关阅读请参见

• DenseNet 重新审视，进行了架构调整、模块重新设计，以及改进的训练方案，以增加模型的宽度并提高内存效率。
• 最终，形成了RDNet，并最终超过了Swin Transformer、ConvNeXt 和 DeiT-III，并与MogaNet。

1. RDNet
2. 成果

• （在阅读这个故事之前，最好先了解一下[DenseNet]。）

• 从DenseNet-121 开始，应用了现代的训练设置，如标签平滑(Label Smoothing)、RandAugment、随机擦除、Mixup、CutMix、随机深度(Stochastic Depth)。
• 以下是用于优化DenseNet的实用细节如下，

• 通过增加生长率（GR）来扩大网络的结构，同时减少其深度，以实现这一目标。具体来说，这里将GR从32大幅提升至120。
• 每阶段的块数进行了调整，从（6, 12, 48, 32）减少到一个更小的（3, 3, 12, 3），以进行深度调整。
• 训练速度和内存分别大约减少了35%和18%。GFLOPs显著增加至11.1，后续元素会对此进行相应的调整。

• 使用层归一化（LN）而不是批次归一化（BN）；采用后激活；使用深度卷积；减少归一化和激活的次数；并且使用卷积核大小为7。
• 这种设计显著提高了准确率（+0.9%），同时略微增加了计算成本。

• 较大的输入维度对于深度卷积至关重要。* 块内的中间张量尺寸被扩展，超过了输入维度，（例如，扩展比ER被调整为6）。
• GR可以减少到一半，例如：从120到60。
• 这样不仅实现了21%的更快训练速度，还实现了0.4%p的准确率提升。

• 过渡层不仅在每个阶段之后使用，而是在每三个步长为1的块之后使用。
• 这些过渡层更注重维度减少而非下采样。
• 这种变化通常能提高准确性。

• 使用图像块作为模型初始层的输入。采用的设置是补丁大小为4、步幅为4。
• 这使得计算速度显著加快，而没有牺牲精度。

• 移除平均池化层，并通过调整卷积核的大小和步长来替代卷积（BN 被 LN 取代了）。

• 由于拼接特征的多样性，需要对通道进行重新缩放。
• 它带来了微小的+0.2%的提升。

增强型密集网络（RDNet）

• 一个RDNet家族成员是由不同的GR和Block（B）组合构建的，如上所示。

ImageNet（一个计算机视觉领域的著名图像数据集）

ImageNet（一个图像识别数据集）

RDNets在准确率上略逊一筹，但在速度上则有显著提升。

• 例如，RDNet-S 可以与较轻量的模型如 SMT-S 或 MogaNet-S 匹配使用。值得注意的是，RDNets 并不像 RDNet 那样占用大量内存，而是实现了更高的效率和更好的性能。

ImageNet

RDNets 凭借高精度、合理的内存使用和更快的运行速度，超越了竞争对手。

Imagenet零样本分类 (Zero-Shot)

按照ConvNeXt和OpenCLIP的训练协议进行训练CLIP模型。RDNet的表现更佳。

ADE20K

RDNet表现出色的性能，这表明它在密集预测任务上的出色表现。

可可

RDNet在COCO上具有强劲的性能。

• 还有好多没提到的实验，可以直接看论文原文哦。