Machine learning
ResNeXt
ResNeXtは、Xie、Girshick、Dollár、Tu、HeによってCVPR 2017で導入された深層畳み込みニューラルネットワークアーキテクチャである。これは、残差ブロック内の独立した並列変換パスの数であるカーディナリティ（cardinality）という新しいアーキテクチャ次元を導入することで、残差ネットワーク（ResNet）の設計を拡張し、先行モデルよりも少ないパラメータとよりシンプルで均一な設計で高い精度を可能にする。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). ResNeXt: Aggregated Residual Transformations for Deep Neural Networks. ScholarGate. https://scholargate.app/ja/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.
- DenseNet深層学習↔ compare
- EfficientNet深層学習↔ compare
- モバイルネット：モバイルビジョン向け効率的な畳み込みニューラルネットワーク深層学習↔ compare
- ResNet（Residual Network）深層学習↔ compare