심층 신경망 구조 설계에서 최근 연구들은 하위 네트워크를 더 큰 네트워크로 그룹화하는 이점을 입증하였습니다. 예를 들어, Inception 아키텍처는 다중 스케일의 하위 네트워크를 통합하고 있으며, 잔차 네트워크는 잔차 유닛이 잔차 하위 네트워크와 동일한 단축 경로(identity shortcut)를 결합한 것으로 볼 수 있습니다. 본 연구에서는 이러한 관찰을 받아들여 Competitive Pathway Network (CoPaNet)을 제안합니다. CoPaNet은 경쟁 경로 유닛들의 층으로 구성되며, 각 유닛은 여러 개의 병렬 잔차형 하위 네트워크와 이를 위한 최대 연산(max operation)으로 특징 경쟁을 수행합니다. 이 메커니즘은 하위 네트워크에서 다양한 특징을 학습함으로써 모델의 성능을 향상시킵니다. 제안된 전략은 명시적으로 특징들이 다양한 라우팅 패턴을 통해 경로를 따라 전파되는 것을 보여주며, 이를 카테고리 정보의 경로 인코딩(pathway encoding of category information)이라고 합니다. 또한, CoPaNet에 크로스-블록 단축 경로(cross-block shortcut)를 추가하여 특징 재사용을 촉진할 수 있습니다. 우리는 CoPaNet을 CIFAR-10, CIFAR-100, SVHN, 그리고 ImageNet이라는 4개의 객체 인식 벤치마크에서 평가하였으며, 유사한 매개변수 양을 사용하여 최신 또는 비슷한 결과를 얻었습니다. CoPaNet의 코드는 다음 주소에서 확인할 수 있습니다: https://github.com/JiaRenChang/CoPaNet.