ResNet (Residual Network)
ResNet (Residual Network) è un'architettura di rete neurale convoluzionale profonda introdotta da Kaiming He, Xiangyu Zhang, Shaoqing Ren e Jian Sun alla CVPR 2016. Inserendo connessioni shortcut (skip) che trasportano l'input di un blocco direttamente al suo output — definendo il compito del blocco come l'apprendimento di una correzione residua piuttosto che di una mappatura completa — ResNet ha permesso l'addestramento di reti con centinaia o addirittura migliaia di strati senza la degradazione del gradiente evanescente che in precedenza aveva reso le reti molto profonde impraticabili. Ha vinto la competizione di riconoscimento delle immagini ILSVRC 2015 con un errore top-5 del 3,57% e rimane l'architettura backbone più utilizzata nella computer vision.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Residual Network (ResNet). ScholarGate. https://scholargate.app/it/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.
- AlexNetApprendimento profondo↔ compare
- DenseNetApprendimento profondo↔ compare
- EfficientNetApprendimento profondo↔ compare
- Inception Network (GoogLeNet)Apprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →