ResNet (Residual Network)
ResNet (Residual Network) är en djup faltningsbaserad neural nätverksarkitektur som introducerades av Kaiming He, Xiangyu Zhang, Shaoqing Ren och Jian Sun vid CVPR 2016. Genom att infoga genvägsanslutningar (skip connections) som direkt för inmatningen av ett block till dess utmatning — vilket definierar blockets uppgift som att lära sig en residualkorrigering snarare än en fullständig mappning — möjliggjorde ResNet träning av nätverk med hundratals eller till och med tusentals lager utan den försvinnande gradientförsämring som tidigare hade gjort mycket djupa nätverk opraktiska. Det vann ILSVRC 2015-tävlingen i bildigenkänning med ett topp-5-fel på 3,57 % och förblir den mest använda basarkitekturen inom datorseende.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Residual Network (ResNet). ScholarGate. https://scholargate.app/sv/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.
- AlexNetDjupinlärning↔ compare
- DenseNetDjupinlärning↔ compare
- EfficientNetDjupinlärning↔ compare
- Inception Network (GoogLeNet)Djupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →