ResNet (Residual Network)
ResNet (Residual Network) er en dyp konvolusjonell nevralt nettverksarkitektur introdusert av Kaiming He, Xiangyu Zhang, Shaoqing Ren og Jian Sun på CVPR 2016. Ved å sette inn snarvei- (skip) koblinger som fører inngangen til en blokk direkte til utgangen — og definerer blokkens oppgave som å lære en residualkorreksjon snarere enn en full mapping — muliggjorde ResNet trening av nettverk med hundrevis eller til og med tusenvis av lag uten forsvinnende gradient-degradering som tidligere hadde gjort veldig dype nettverk upraktiske. Det vant ILSVRC 2015 bildegjenkjennelseskonkurransen med en topp-5 feil på 3,57 % og forblir den mest brukte ryggradsarkitekturen innen datasyn.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Residual Network (ResNet). ScholarGate. https://scholargate.app/no/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.
- AlexNetDyp læring↔ compare
- DenseNetDyp læring↔ compare
- EfficientNetDyp læring↔ compare
- Inception Network (GoogLeNet)Dyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →