ResNet (Residual Network)
ResNet (Residual Network) er en dyb konvolutionel neural netværksarkitektur introduceret af Kaiming He, Xiangyu Zhang, Shaoqing Ren og Jian Sun ved CVPR 2016. Ved at indsætte genvejsforbindelser (skip connections), der fører inputtet af en blok direkte til dens output — hvilket definerer blokkens opgave som at lære en residual korrektion snarere end en fuld mapping — muliggjorde ResNet træning af netværk med hundreder eller endda tusinder af lag uden den forsvindende gradient-nedbrydning, der tidligere havde gjort meget dybe netværk upraktiske. Det vandt ILSVRC 2015 billedgenkendelseskonkurrencen med en top-5 fejlrate på 3,57% og forbliver den mest udbredte backbone-arkitektur inden for computer vision.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Kilder
- 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 ↗
- He, K., Zhang, X., Ren, S., & Sun, J. (2015). Deep Residual Learning for Image Recognition. arXiv:1512.03385. link ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 9: Convolutional Networks). MIT Press. ISBN: 978-0-262-03561-3
Sådan citerer du denne side
ScholarGate. (2026, June 3). Residual Network (ResNet). ScholarGate. https://scholargate.app/da/deep-learning/resnet
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.
- AlexNetDyb læring↔ compare
- DenseNetDyb læring↔ compare
- EfficientNetDyb læring↔ compare
- Inception Network (GoogLeNet)Dyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →