ResNeXt
ResNeXt to architektura głębokiej konwolucyjnej sieci neuronowej wprowadzona przez Xie, Girshicka, Dollára, Tu i He na konferencji CVPR 2017. Rozszerza ona projekt sieci rezydualnych (ResNet) poprzez wprowadzenie nowego wymiaru architektonicznego zwanego kardynalnością — liczbę niezależnych, równoległych ścieżek transformacji w każdej bloku rezydualnym — co pozwala na uzyskanie wyższej dokładności przy mniejszej liczbie parametrów i prostszym, bardziej jednolitym projekcie niż jej poprzednicy.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). ResNeXt: Aggregated Residual Transformations for Deep Neural Networks. ScholarGate. https://scholargate.app/pl/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.
- DenseNetUczenie głębokie↔ compare
- EfficientNetUczenie głębokie↔ compare
- MobileNet: Wydajne konwolucyjne sieci neuronowe dla wizji mobilnejUczenie głębokie↔ compare
- ResNet (Residual Network)Uczenie głębokie↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →