图像分类作为深度学习领域一个重要部分，在近年来取得了极大的发展。早期的分类网络如AlexNet、VGG Nets^[7]层数较少，结构简单，整个网络采用卷积层堆叠而成。GoogLeNet^[8]首次使用了inception结构，在同一层中通过使用多个不同尺度的卷积核对特征图进行特征提取并进行融合，以获得更加丰富的信息。何恺明等人提出的ResNet^[9]网络通过使用多个有参层来学习输入输出之间的残差，而非像一般卷积网络使用有参层来直接尝试学习输入、输出之间的映射，成功解决了网络深度增加带来的退化问题。Xception^[10]在inception之上进行优化，将深度可分离卷积换成了分离卷积，将通道卷积与空间卷积进行分离。SEnet^[11]则提出了通道注意力模块，并将其引入到卷积神经网络中，在增加少量参数和计算量的情况下取得了可观的性能提升。ResNext^[12]则在网络深度与宽度之外，增加了新的维度，使网络模型在加深或加宽之外有了其他的提升精度的方式。