ResMLP：数据高效训练的全连接图像分类网络.

本文作者提出了一种基于全连接层的图像分类网络。网络结构与MLP-Mixer相似，即先将输入图像拆分成若干patch，对每个patch通过全连接层转换为特征嵌入矩阵，该矩阵的两个维度分别表示channel维度(每个局部位置的特征维度)和patch维度(表示局部位置的维度)。首先将该矩阵转置后沿patch维度进行全连接层运算，实现不同patch之间的交互；再沿channel维度进行全连接运算，实现不同channel之间的交互。最后使用池化层和输出层获得分类结果。本文与MLP-Mixer的不同之处在于采用了更强的数据增强方法和蒸馏策略。

作者比较了几种不同的分类网络结构，发现基于全连接层的网络也能获得不错的效果：