Papers with Code · CC BY-SA 4.0

CIFAR-100

아카이브 평가 211건 · 마지막 적재/변경 2026-10-30

평가 기록

과거 수집 기록이며 최신 순위가 아닙니다. 데이터셋 버전·split·실험 조건과 지표 방향이 검증되지 않은 결과는 직접 비교할 수 없습니다. 날짜는 논문 날짜이며 최신 평가일을 뜻하지 않습니다.

표가 화면보다 넓으면 좌우로 스크롤하여 논문과 구현 링크를 확인하세요.

원본 기록 순서 · 순위 미부여
모델	원본 지표·값	논문	구현
WRN-28-8 +SAMix	Percentage correct 85.50	Boosting Discriminative Visual Representation Learning with Scenario-Agnostic Mixup 2021-11-30	코드 1
ASANas	Percentage correct 85.42	Improving Neural Architecture Search Image Classifiers via Ensemble Learning 2019-03-14	코드 1
WRN-28-8 (AutoMix+DM)	Percentage correct 85.38	연결 없음 논문 날짜 미기재	연결 없음
SparseSwin	Percentage correct 85.35 PARAMS 17.58M	SparseSwin: Swin Transformer with Sparse Transformer Block 2023-09-11	코드 1
WRN-28-8 (PuzzleMix+DM)	Percentage correct 85.25	연결 없음 논문 날짜 미기재	연결 없음
ResNet-50-SAM	Percentage correct 85.2	When Vision Transformers Outperform ResNets without Pre-training or Strong Data Augmentations 2021-06-03	코드 1 · 코드 2
WRN-28-8 +AutoMix	Percentage correct 85.16	AutoMix: Unveiling the Power of Mixup for Stronger Classifiers 2021-03-24	코드 1 · 코드 2 · 코드 3
WaveMixLite-256/7	Percentage correct 85.09	WaveMix: A Resource-efficient Neural Network for Image Analysis 2022-05-28	코드 1
MANO-tiny	Percentage correct 85.08	Linear Attention with Global Context: A Multipole Attention Mechanism for Vision and Physics 2025-07-03	코드 1
WRN 28-14	Percentage correct 85.00	Neural networks with late-phase weights 2020-07-25	코드 1 · 코드 2
R-Mix (WideResNet 28-10)	Percentage correct 85	Expeditious Saliency-guided Mix-up through Random Gradient Thresholding 2022-12-09	코드 1
EEEA-Net-C (b=5)+ CO	Percentage correct 84.98	EEEA-Net: An Early Exit Evolutionary Neural Architecture Search 2021-08-13	코드 1
RL-Mix (WideResNet 28-10)	Percentage correct 84.9	Expeditious Saliency-guided Mix-up through Random Gradient Thresholding 2022-12-09	코드 1
Wide-ResNet-28-10	Percentage correct 84.89	Automatic Data Augmentation via Invariance-Constrained Learning 2022-09-29	코드 1
SENet + ShakeEven + Cutout	Percentage correct 84.59	Squeeze-and-Excitation Networks 2017-09-05	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 · 코드 38 · 코드 39 · 코드 40 · 코드 41 · 코드 42 · 코드 43 · 코드 44 · 코드 45 · 코드 46 · 코드 47 · 코드 48 · 코드 49 · 코드 50 · 코드 51 · 코드 52 · 코드 53 · 코드 54 · 코드 55 · 코드 56 · 코드 57 · 코드 58 · 코드 59 · 코드 60 · 코드 61 · 코드 62 · 코드 63 · 코드 64 · 코드 65 · 코드 66 · 코드 67 · 코드 68 · 코드 69 · 코드 70 · 코드 71 · 코드 72 · 코드 73 · 코드 74 · 코드 75 · 코드 76 · 코드 77 · 코드 78 · 코드 79 · 코드 80 · 코드 81 · 코드 82 · 코드 83 · 코드 84 · 코드 85
ResNeXt-50(32x4d) + SAMix	Percentage correct 84.42	Boosting Discriminative Visual Representation Learning with Scenario-Agnostic Mixup 2021-11-30	코드 1
WRN-28-10 with reSGHMC	Percentage correct 84.38	Non-convex Learning via Replica Exchange Stochastic Gradient MCMC 2020-08-12	코드 1 · 코드 2
PyramidNet-272 + SWA	Percentage correct 84.16	Averaging Weights Leads to Wider Optima and Better Generalization 2018-03-14	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17
WRN28-10	Percentage correct 84.05	Puzzle Mix: Exploiting Saliency and Local Statistics for Optimal Mixup 2020-09-15	코드 1
HCGNet-A3	Percentage correct 84.04 PARAMS 11.4M	Gated Convolutional Networks with Hybrid Connectivity for Image Classification 2019-08-26	코드 1
WideResNet 28-10 + CutMix (OneCycleLR scheduler)	Percentage correct 83.97	Expeditious Saliency-guided Mix-up through Random Gradient Thresholding 2022-12-09	코드 1
DenseNet-BC-190 + FMix	Percentage correct 83.95	FMix: Enhancing Mixed Sample Data Augmentation 2020-02-27	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5
ORN	Percentage correct 83.85	Oriented Response Networks 2017-01-07	코드 1
Grafit (ResNet-50)	Percentage correct 83.7	Grafit: Learning fine-grained image representations with coarse labels 2020-11-25	연결 없음
ResNeXt-50(32x4d) + AutoMix	Percentage correct 83.64	AutoMix: Unveiling the Power of Mixup for Stronger Classifiers 2021-03-24	코드 1 · 코드 2 · 코드 3
CCT-7/3x1+HTM+VTM	Percentage correct 83.57	TokenMixup: Efficient Attention-guided Token-level Data Augmentation for Transformers 2022-10-14	코드 1
HCGNet-A2	Percentage correct 83.46 PARAMS 3.1M	Gated Convolutional Networks with Hybrid Connectivity for Image Classification 2019-08-26	코드 1
Res2NeXt-29	Percentage correct 83.44	Res2Net: A New Multi-scale Backbone Architecture 2019-04-02	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34
DenseNet-BC-190 + Mixup	Percentage correct 83.20	mixup: Beyond Empirical Risk Minimization 2017-10-25	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 · 코드 38 · 코드 39 · 코드 40 · 코드 41 · 코드 42 · 코드 43 · 코드 44 · 코드 45 · 코드 46 · 코드 47 · 코드 48 · 코드 49 · 코드 50 · 코드 51 · 코드 52 · 코드 53 · 코드 54 · 코드 55 · 코드 56 · 코드 57 · 코드 58 · 코드 59 · 코드 60 · 코드 61 · 코드 62 · 코드 63 · 코드 64 · 코드 65 · 코드 66 · 코드 67 · 코드 68 · 코드 69 · 코드 70 · 코드 71
SSAL-DenseNet 190-40	Percentage correct 83.2	Contextual Classification Using Self-Supervised Auxiliary Models for Deep Neural Networks 2021-01-07	코드 1