从resnet进化来的模型有哪些

1. ResNeXt: 这个模型基于 ResNet 构建，通过设计分组卷积，使得 ResNet 的分支更加多样，具有更强的特征学习能力。

2. DenseNet: 这个模型利用密集连接特点，设计了一种全新的结构，使得前向计算时，从前向后逐渐增加特征图的数量，提高了模型的分类准确性。

3. Wide ResNet: 这个模型是基于 ResNet 优化的模型，其主要的改进是增加阶段的宽度，也就是每层的通道数更多，从而增加了模型的宽度，提高了模型的性能。

4. ResNeSt: 这个模型是构建在 ResNet 的基础上，通过优化残差块内部的特征变换，增加网络的表达能力，使得模型能够更好地捕捉图像中的特征，并提高了模型的泛化性能。

5. RegNet: 这个模型是基于最小可能架构设计的神经网络，通过设计网络的二进制连续系数来控制网络的大小和深度，从而实现快速训练和优秀的精度表现。