摘要
在深度神经架构的设计中，近期的研究表明将子网络组合成更大网络的优势。例如，Inception 架构集成了多尺度子网络，而残差网络可以被视为一个残差单元将残差子网络与恒等捷径相结合。在这项工作中，我们采纳了这一观察结果并提出了竞争路径网络（CoPaNet）。CoPaNet 由一系列竞争路径单元堆叠而成，每个单元包含多个并行的残差型子网络，并通过最大值操作进行特征竞争。这种机制通过在子网络中学习多种特征来增强模型的能力。所提出的策略明确展示了特征以不同的路由模式通过路径传播，这被称为类别信息的路径编码。此外，可以在 CoPaNet 中添加跨块捷径以促进特征重用。我们在四个物体识别基准数据集上评估了所提出的 CoPaNet：CIFAR-10、CIFAR-100、SVHN 和 ImageNet。CoPaNet 使用相似数量的参数获得了最先进或可比的结果。CoPaNet 的代码可在以下地址获取：https://github.com/JiaRenChang/CoPaNet。