【回顾经典AI神作】理解和实现ResNeXt(比ResNet最先进的图像分类模型)

与 ResNet 相比好在哪里?

相同的参数个数,结果更好:一个 101 层的 ResNeXt 网络,和 200 层的 ResNet 准确度差不多,但是计算量只有后者的一半
【回顾经典AI神作】理解和实现ResNeXt(比ResNet最先进的图像分类模型)_第1张图片

论文参考:https://arxiv.org/pdf/1611.05431.pdf

以下三篇是介绍和改进残差网络的论文:
用于图像识别的深度残差学习(链接到微软研究的论文))
深度残差网络中的身份映射(链接到微软研究院的论文))
深度神经网络的聚合残差转换(链接到Facebook AI Research的论文))

目录

  • 与 ResNet 相比好在哪里?
  • 深度残差网络中的身份映射简述
  • 寻找最优 h(x_{l}) 函数
  • 找到最优 f(y_{l}) 函

你可能感兴趣的:(算法核心基础与AI模型设计,人工智能,分类,深度学习)