/ Модель

Характеристики

Опубликована
20 июл 2026

attnResNet-50

Классификация изображенийИзображение → label

Экспериментальный ResNet-50 классифицирует изображения ImageNet-100 и сравнивает стандартную архитектуру с вариантами пространственного AttnRes.

0скачиваний за 30 дней0лайковвеса обновлены21 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

LayerNorm публикует экспериментальный вариант ResNet-50 для классификации изображений, в котором проверяется перенос AttnRes из одномерных последовательностей на двумерные пространственные карты признаков. Репозиторий содержит стандартный вариант ResNet-50, вариант stage с вниманием к выходам предыдущих блоков внутри этапа и вариант global с вниманием к блокам предыдущих этапов и выравниванием карт признаков. Веса представлены в формате PyTorch.

Модель предназначена для классификации изображений по 100 классам на подмножестве ImageNet-1K ImageNet-100. На описанном разделении стандартный вариант достиг точности top-1 86,86%, а варианты stage и global показали 85,80% и 85,45% соответственно. Эксперимент указывает, что проверенные варианты внимания не улучшили результат базового ResNet-50 в этом опыте. Сведения о лицензии в доступных данных отсутствуют.

Сценарии применения

  • Классификация изображений на 100 классов ImageNet-100
  • Сравнение ResNet-50 с внутристадийным механизмом AttnRes
  • Исследование влияния межстадийного внимания на классификацию изображений

Ограничения

Проверка проведена только на подмножестве ImageNet-100 и по одному запуску на вариант; результаты могут не переноситься на полный ImageNet-1K. Варианты stage и global уступили стандартному ResNet-50 по точности top-1, а dual-вариант не обучался.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AttnRes-50: 2D Attention Residuals for ResNet-50

Model Description

Try to extends the original 1D AttnRes (https://arxiv.org/abs/2603.15031) to 2D spatial feature maps for computer vision. However it seems not work on Classification :(

ModeDescription
noneStandard ResNet-50 (baseline)
stageIntra-stage AttnRes — each block attends to prior block outputs within the same stage
globalCross-stage AttnRes — each block attends to all prior block outputs across stages, with spatial/channel alignment via interpolation and 1×1 conv projections

Dataset: ImageNet-100

ImageNet-100 is a 100-class subset of ImageNet-1K (ILSVRC2012). This study uses the split defined by Tian et al. (2020).

SplitSamples
Total126,689
Training (80%)101,351
Validation (20%)25,338

The train/val split is deterministic (torch.manual_seed(42) with randperm).

Training Details

Hyperparameters

ParameterValue
OptimizerSGD with momentum (µ=0.9)
Learning rate0.1 (cosine annealing to 0 over 90 epochs)
Weight decay1×10⁻⁴
Batch size32
Epochs90
Input size224×224
GPUNVIDIA A100 (80GB) — single GPU

Data Augmentation

  • Training: RandomResizedCrop(224), RandomHorizontalFlip, ToTensor, Normalize(mean=[0.485,0.456,0.406], std=[0.229,0.224,0.225])
  • Validation: Resize(256), CenterCrop(224), ToTensor, Normalize (same stats)

Results

ModeAcc@1Acc@5Val LossMacro F1Macro AUCParams
none (Baseline)86.86%96.83%0.503486.65%99.75%23.77M
stage (Intra-Stage)85.80%96.62%0.526885.59%99.74%23.77M
global (Cross-Stage)85.45%96.57%0.538085.23%99.72%28.36M
  • Both attention variants underperform the standard ResNet-50 baseline on ImageNet-100 (~1–1.4% lower Acc@1).

Usage

import torch
from attnres_resnet_demo import AttnResNet50

# Load baseline (standard ResNet-50)
model = AttnResNet50(mode='none', num_classes=100)
ckpt = torch.load('result/best_none.pth', map_location='cpu')
model.load_state_dict(ckpt['model_state_dict'])
model.eval()

# Inference
from PIL import Image
import torchvision.transforms as T

transform = T.Compose([
    T.Resize(256),
    T.CenterCrop(224),
    T.ToTensor(),
    T.Normalize(mean=[0.485, 0.456, 0.406],
                std=[0.229, 0.224, 0.225]),
])

img = Image.open('example.jpg')
x = transform(img).unsqueeze(0)
with torch.no_grad():
    logits = model(x)
    pred = logits.argmax(dim=1)

Checkpoints

ModeFileSize
nonebest_none.pth182 MB
stagebest_stage.pth182 MB
globalbest_global.pth200 MB

Each checkpoint contains:

{
    'epoch': int,
    'mode': str,            # 'none' | 'stage' | 'global'
    'model_state_dict': OrderedDict,
    'optimizer_state_dict': OrderedDict,
    'best_acc1': float,
    'num_classes': int,      # 100
}

Note for global mode: The model uses a lazy-initialized ModuleDict for cross-stage channel projections. When loading the checkpoint, run a dummy forward pass first to populate the projection layers before calling load_state_dict.

Limitations

  • Small-scale study: ImageNet-100 is only 100 classes; conclusions may not transfer to full ImageNet-1K.
  • No dual mode results: The dual-path variant was not trained due to negative findings from stage and global.
  • Single training run per mode: No repeated runs with different seeds to measure variance.
  • Standard training recipe: Uses a basic SGD + cosine annealing schedule without modern tricks (warmup, label smoothing, mixup, EMA).

Citation

If you use this code or findings, please cite the original AttnRes work:

@misc{chen2026attnres,
  title         = {Attention Residuals},
  author        = {Kimi Team  and Chen, Guangyu  and Zhang, Yu  and Su, Jianlin  and Xu, Weixin  and Pan, Siyuan  and Wang, Yaoyu  and Wang, Yucheng  and Chen, Guanduo  and Yin, Bohong  and Chen, Yutian  and Yan, Junjie  and Wei, Ming  and Zhang, Y.  and Meng, Fanqing  and Hong, Chao  and Xie, Xiaotong  and Liu, Shaowei  and Lu, Enzhe  and Tai, Yunpeng  and Chen, Yanru  and Men, Xin  and Guo, Haiqing  and Charles, Y.  and Lu, Haoyu  and Sui, Lin  and Zhu, Jinguo  and Zhou, Zaida  and He, Weiran  and Huang, Weixiao  and Xu, Xinran  and Wang, Yuzhi  and Lai, Guokun  and Du, Yulun  and Wu, Yuxin  and Yang, Zhilin  and Zhou, Xinyu},
  year          = {2026},
  archiveprefix = {arXiv},
  eprint        = {2603.15031},
  primaryclass  = {cs.CL}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
4651d17

0 моделей