2201.30
cgm.--Gao Huang, RANet (ICLR 2018).
Resolution Adaption，输入的冗余
分类任务，
other作模型冗余
transition--降通道数（depth）
- MSDNet 特点：
identity---dense 密连
depth（layers）越深，计算量越大；分辨率越大，计算量越大
2201.19
cgm.--Gao Huang, MSDNet (ICLR 2018).
dsj.--AutoScale for Crowd Counting (IJCV 2022).
conclusion: 分类在coarse-feature上做性能更高，densenet高分辨率feature保留信息更完整
image.png
c1: 每个instance有确定的B
c2: 为每个instance分配B >> 设置预制，l从浅往深，怎么设置阈值
- p1: lack coarse feature
a1: classifier接在粗分辨率上
a3: densenet
梯形网络-简化网络模型
ensemble方法
2201.12
cgm.-- Fang Wan, Min-Entropy Latent Model (CVPR 2018, TPAMI).
didi.-- Jing Zhang, ViTAE (NeurIPS 2021).
