《ResNeXt: Aggregated Residual Transformations for Deep Neural Networks》論文筆記

1. 概述 論文提出了ResNet網絡升級版——ResNeXt網絡,以往提高模型準確率的方法都是加深網絡或者加寬網絡。然而隨着超參數數量的增加,網絡設計的難度和計算開銷也會增加。所以本文提出了ResNeXt結構,該結構可以在不增加參數複雜度的前提下提高模型的準確率,同時也可減少超參數數量。將論文中提出的方法在ILSVRC 2016分類數據集與COCO檢測數據集上都比原始ResNet網絡要好。 本文
相關文章
相關標籤/搜索