DL之ResNeXt：ResNeXt算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之ResNeXt：ResNeXt算法的簡介(論文介紹)、架構(gòu)詳解、案例應用等配圖集合之詳細攻略
?
?
?
目錄
ResNeXt算法的簡介(論文介紹)
ResNeXt算法的架構(gòu)詳解
ResNeXt算法的案例應用
?
?
?
?
?
相關文章
DL之ResNeXt：ResNeXt算法的簡介(論文介紹)、架構(gòu)詳解、案例應用等配圖集合之詳細攻略
DL之ResNeXt：ResNeXt算法的架構(gòu)詳解
ResNeXt算法的簡介(論文介紹)
? ? ? ? ? ? ? ?ResNeXt算法是由Facebook研究人員提出，當時何凱明(ResNet算法作者之一)已經(jīng)在Facebook工作了，
Abstract
? ? ? ? We present a simple, highly modularized network architecture ?for image classification. Our network is constructed ?by repeating a building block that aggregates a set of transformations ?with the same topology. Our simple design results ?in a homogeneous, multi-branch architecture that has ?only a few hyper-parameters to set. This strategy exposes a ?new dimension, which we call “cardinality” (the size of the ?set of transformations), as an essential factor in addition to ?the dimensions of depth and width. On the ImageNet-1K ?dataset, we empirically show that even under the restricted ?condition of maintaining complexity, increasing cardinality ?is able to improve classification accuracy. Moreover, increasing ?cardinality is more effective than going deeper or ?wider when we increase the capacity. Our models, named ?ResNeXt, are the foundations of our entry to the ILSVRC ?2016 classification task in which we secured 2nd place. ?We further investigate ResNeXt on an ImageNet-5K set and ?the COCO detection set, also showing better results than ?its ResNet counterpart. The code and models are publicly ?available online .
摘要
? ? ? ? 我們提出了一種簡單、高度模塊化的圖像分類網(wǎng)絡結(jié)構(gòu)。我們的網(wǎng)絡是通過重復一個構(gòu)建塊來構(gòu)建的，這個構(gòu)建塊聚合了一組具有相同拓撲結(jié)構(gòu)的轉(zhuǎn)換。我們的簡單設計了一個同質(zhì)的多分支體系結(jié)構(gòu)，只需要設置幾個超參數(shù)。這個策略公開了一個新的維度，我們稱之為“基數(shù)”（轉(zhuǎn)換集的大小），它是除深度和寬度維度之外的一個基本因素。在 ImageNet-1K數(shù)據(jù)集上，我們通過經(jīng)驗證明，即使在保持復雜度的限制條件下，增加基數(shù)也能提高分類精度。此外，當我們增加容量時，增加基數(shù)比更深入或更廣泛更有效。我們的模型名為ResNeXt，是我們進入ILSVRC 2016分類任務的基礎，在該任務中我們獲得了第二名。我們進一步研究了 ImageNet-5K集和 COCO檢測集上的ResNet，也顯示出比ResNet對應的更好的結(jié)果。代碼和模型在網(wǎng)上公開。
?
論文
Saining Xie, Ross Girshick, Piotr Dollár, ZhuowenTu, and KaimingHe.
Aggregated residual transformations for deep neural networks. CVPR 2017
https://arxiv.org/abs/1611.05431
?
?
ResNeXt算法的架構(gòu)詳解
DL之ResNeXt：ResNeXt算法的架構(gòu)詳解
?
?
?
ResNeXt算法的案例應用
更新……
?
?
?
?
?
總結(jié)
以上是生活随笔為你收集整理的DL之ResNeXt：ResNeXt算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： DL之FCN：FCN算法的简介(论文介绍
- 下一篇： DL之DenseNet：DenseNet