ResNeXt
ResNeXt on CVPR 2017 konverentsil esitletud sügav konvolutsiooniline neuraalvõrgu arhitektuur, mille autorid on Xie, Girshick, Dollár, Tu ja He. See laiendab residualvõrgu (ResNet) disaini, tuues sisse uue arhitektuurilise dimensiooni nimega kardaalsus – iga residualploki sees olevate sõltumatute, paralleelsete transformatsiooniradade arv – võimaldades saavutada kõrgemat täpsust väiksema parameetrite hulgaga ning lihtsama ja ühtlasema disainiga kui selle eelkäijad.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Meetodikaart
Seotud meetodite ümbruskond — vali sõlm, et seda uurida.
Allikad
- 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
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). ResNeXt: Aggregated Residual Transformations for Deep Neural Networks. ScholarGate. https://scholargate.app/et/deep-learning/resnext
Milline meetod?
Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.
- DenseNetSüvaõpe↔ võrdle
- EfficientNetSüvaõpe↔ võrdle
- MobileNet: Efektiivsed konvolutsioonilised neurovõrgud mobiilse nägemise jaoksSüvaõpe↔ võrdle
- ResNet (Residual Network)Süvaõpe↔ võrdle
Märkasid sellel lehel viga? Teata sellest või paku parandust →