ResNeXt
ResNeXt është një arkitekturë e thellë konvolucionale e rrjeteve neurale e prezantuar nga Xie, Girshick, Dollár, Tu dhe He në CVPR 2017. Ajo zgjeron dizajnin e rrjetit residual (ResNet) duke futur një dimension të ri arkitektonik të quajtur kardinalitet — numri i shtigjeve të pavarura, paralele të transformimit brenda çdo blloku residual — duke mundësuar saktësi më të lartë me më pak parametra dhe një dizajn më të thjeshtë, më uniform se paraardhësit e saj.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). ResNeXt: Aggregated Residual Transformations for Deep Neural Networks. ScholarGate. https://scholargate.app/sq/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.
- DenseNetMësimi i thellë↔ compare
- EfficientNetMësimi i thellë↔ compare
- MobileNet: Rrjete nervore konvolucionale efikase për vizionin mobilMësimi i thellë↔ compare
- ResNet (Rrjeti Rezidual)Mësimi i thellë↔ compare
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →