ResNeXt
Το ResNeXt είναι μια αρχιτεκτονική βαθιάς συνελικτικής νευρωνικής δικτύωσης που εισήχθη από τους Xie, Girshick, Dollár, Tu και He στο CVPR 2017. Επεκτείνει τον σχεδιασμό του υπολειμματικού δικτύου (ResNet) εισάγοντας μια νέα αρχιτεκτονική διάσταση που ονομάζεται καρδιναλικότητα — ο αριθμός ανεξάρτητων, παράλληλων διαδρομών μετασχηματισμού εντός κάθε υπολειμματικού μπλοκ — επιτρέποντας υψηλότερη ακρίβεια με λιγότερες παραμέτρους και έναν απλούστερο, πιο ομοιόμορφο σχεδιασμό από τους προκατόχους του.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). ResNeXt: Aggregated Residual Transformations for Deep Neural Networks. ScholarGate. https://scholargate.app/el/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.
- DenseNetΒαθιά Μάθηση↔ compare
- EfficientNetΒαθιά Μάθηση↔ compare
- MobileNet: Αποδοτικά Συνελικτικά Νευρωνικά Δίκτυα για Όραση σε Κινητές ΣυσκευέςΒαθιά Μάθηση↔ compare
- ResNet (Δίκτυο Κατάλοιπων)Βαθιά Μάθηση↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →