ResNeXt
ResNeXt е дълбока конволюционна невронна мрежа, представена от Xie, Girshick, Dollár, Tu и He на CVPR 2017. Тя разширява дизайна на резидуалните мрежи (ResNet), въвеждайки ново архитектурно измерение, наречено кардиналност — броят на независимите, паралелни трансформационни пътища във всеки резидуален блок — което позволява по-висока точност с по-малко параметри и по-опростен, по-унифициран дизайн от предшествениците си.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Xie, S., Girshick, R., Dollár, P., Tu, Z., & He, K. (2017). Aggregated Residual Transformations for Deep Neural Networks. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 5987–5995. DOI: 10.1109/CVPR.2017.634 ↗
- He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep Residual Learning for Image Recognition. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 770–778. DOI: 10.1109/CVPR.2016.90 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. ISBN: 978-0-26-203561-3
Как да цитирате тази страница
ScholarGate. (2026, June 3). ResNeXt: Aggregated Residual Transformations for Deep Neural Networks. ScholarGate. https://scholargate.app/bg/deep-learning/resnext
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- DenseNetДълбоко обучение↔ compare
- EfficientNetДълбоко обучение↔ compare
- MobileNet: Ефективни конволюционни невронни мрежи за мобилно зрениеДълбоко обучение↔ compare
- ResNet (Residual Network)Дълбоко обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →