ResNeXt
ResNeXt este o arhitectură de rețea neuronală convoluțională profundă introdusă de Xie, Girshick, Dollár, Tu și He la CVPR 2017. Aceasta extinde designul rețelei reziduale (ResNet) prin introducerea unei noi dimensiuni arhitecturale numită cardinalitate — numărul de căi de transformare independente, paralele, din cadrul fiecărui bloc rezidual — permițând o acuratețe mai mare cu mai puțini parametri și un design mai simplu și mai uniform decât predecesorii săi.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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
Cum se citează această pagină
ScholarGate. (2026, June 3). ResNeXt: Aggregated Residual Transformations for Deep Neural Networks. ScholarGate. https://scholargate.app/ro/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.
- DenseNetÎnvățare profundă↔ compare
- EfficientNetÎnvățare profundă↔ compare
- MobileNet: Rețele Neuronale Convoluționale Eficiente pentru Viziune MobilăÎnvățare profundă↔ compare
- ResNet (Rețea Reziduală)Învățare profundă↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →