ResNet (Residual Network)
ResNet (Residual Network) ialah seni bina rangkaian saraf konvolusional mendalam yang diperkenalkan oleh Kaiming He, Xiangyu Zhang, Shaoqing Ren, dan Jian Sun di CVPR 2016. Dengan menyisipkan sambungan pintasan (skip) yang membawa input blok secara langsung ke outputnya — mentakrifkan tugas blok sebagai pembelajaran pembetulan residual dan bukannya pemetaan penuh — ResNet membolehkan latihan rangkaian dengan ratusan atau bahkan ribuan lapisan tanpa degradasi kecerunan lenyap yang sebelum ini menjadikan rangkaian yang sangat dalam tidak praktikal. Ia memenangi pertandingan pengiktirafan imej ILSVRC 2015 dengan ralat top-5 sebanyak 3.57% dan kekal sebagai seni bina tulang belakang yang paling banyak digunakan dalam visi komputer.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Sumber
- 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
Cara memetik halaman ini
ScholarGate. (2026, June 3). Residual Network (ResNet). ScholarGate. https://scholargate.app/ms/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.
- AlexNetPembelajaran Mendalam↔ compare
- DenseNetPembelajaran Mendalam↔ compare
- EfficientNetPembelajaran Mendalam↔ compare
- Inception Network (GoogLeNet)Pembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →