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