ResNeXt
ResNeXt — це глибока згорткова нейронна мережа, архітектура якої була представлена Xie, Girshick, Dollár, Tu та He на конференції CVPR 2017. Вона розширює дизайн залишкових мереж (ResNet), запроваджуючи новий архітектурний вимір — кардинальність (cardinality), тобто кількість незалежних паралельних шляхів трансформації в межах кожного залишкового блоку. Це дозволяє досягти вищої точності з меншою кількістю параметрів та простішим, більш однорідним дизайном порівняно з попередниками.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 3). ResNeXt: Aggregated Residual Transformations for Deep Neural Networks. ScholarGate. https://scholargate.app/uk/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.
- DenseNetГлибоке навчання↔ compare
- EfficientNetГлибоке навчання↔ compare
- MobileNet: Ефективні згорткові нейронні мережі для мобільного зоруГлибоке навчання↔ compare
- ResNet (Residual Network)Глибоке навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →