ResNeXt
ResNeXt és una arquitectura de xarxa neuronal convolucional profunda introduïda per Xie, Girshick, Dollár, Tu i He a la CVPR 2017. Amplia el disseny de la xarxa residual (ResNet) introduint una nova dimensió arquitectònica anomenada cardinalitat —el nombre de camins de transformació independents i paral·lels dins de cada bloc residual—, cosa que permet una precisió més alta amb menys paràmetres i un disseny més senzill i uniforme que els seus predecessors.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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
Com citar aquesta pàgina
ScholarGate. (2026, June 3). ResNeXt: Aggregated Residual Transformations for Deep Neural Networks. ScholarGate. https://scholargate.app/ca/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.
- DenseNetAprenentatge profund↔ compare
- EfficientNetAprenentatge profund↔ compare
- MobileNet: Xarxes neuronals convolucionals eficients per a la visió mòbilAprenentatge profund↔ compare
- ResNet (Residual Network)Aprenentatge profund↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →