[深度学习从入门到女装]ResNeXt

论文地址：Aggregated Residual Transformations for Deep Neural Networks

 

ResNeXt是对ResNet的改进版，将bottleneck中的3*3的卷积分成group进行卷积操作，可以减少计算量，分成group的操作类似于Xception中的depthwise separable convolution，就是把所有channel进行分组，然后对每组的channel单独进行卷积，之后再concatenate到一起

上图中左侧是一个普通的residual模块，右图为将bottleneck模块全部分组进行操作

文中指出上图中的三种结构是完全等价的，（a）是把bottleneck模块全部分组进行，（b）是共享最后增加维度的1*1卷积，（c）是共享降维的1*1卷积和升维的1*1卷积，中间的3*3操作进行分组

因为这三种结构完全等价，（c）是最为简洁的一种，所以在网络结构中就是用（c）

整个网络结构如上图所示，其中C就是3*3卷积分组的组数

 

参考：https://blog.csdn.net/u014380165/article/details/71667916