ResNeXt
ResNeXt là một kiến trúc mạng nơ-ron tích chập sâu được giới thiệu bởi Xie, Girshick, Dollár, Tu, và He tại CVPR 2017. Nó mở rộng thiết kế mạng dư (ResNet) bằng cách đưa vào một chiều kiến trúc mới gọi là cardinality — số lượng các đường biến đổi độc lập, song song trong mỗi khối dư — cho phép đạt độ chính xác cao hơn với ít tham số hơn và thiết kế đơn giản, đồng nhất hơn so với các phiên bản tiền nhiệm.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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
Cách trích dẫn trang này
ScholarGate. (2026, June 3). ResNeXt: Aggregated Residual Transformations for Deep Neural Networks. ScholarGate. https://scholargate.app/vi/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.
- DenseNetHọc sâu↔ compare
- EfficientNetHọc sâu↔ compare
- MobileNet: Mạng nơ-ron tích chập hiệu quả cho thị giác di độngHọc sâu↔ compare
- ResNet (Mạng Tích chập Tái sinh)Học sâu↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →