要約
ResNetおよびその派生モデルは、さまざまなコンピュータビジョンタスクにおいて顕著な成果を上げている。しかし、単純なショートカット接続機構は、加算関数による構造上、新たな潜在的に補完的な特徴を再探索する能力を制限している。この問題に対処するため、本論文では、補完的な特徴を抽出するメモリ機構としてレギュレータモジュールを導入する手法を提案する。このレギュレータモジュールは、その後ResNetにフィードフォワードされる。特に、このモジュールは畳み込み型RNN（例えば、畳み込みLSTMや畳み込みGRU）で構成されており、時空間情報を効果的に抽出できることが示されている。本手法で提案する新たな制御付きネットワークを「RegNet」と命名する。レギュレータモジュールは実装が容易であり、任意のResNetアーキテクチャに簡単に追加可能である。また、本手法の汎用性を示すために、Squeeze-and-Excitation ResNetへの適用も行っている。3つの画像分類データセットにおける実験結果から、従来のResNetやSE-ResNet、および他の最先端アーキテクチャと比較して、提案アーキテクチャが優れた性能を発揮することが確認された。