【深度学习】ResNeXt网络解读

1. 网络结构

ResNeXt与resnet基本一致,唯一改动的地方在于resnet三层卷积的layer。它将layer从原来的多个filter卷积核拆分为多个个数少的filter卷积核,这些个数少的filter卷积核结构相同,目的是为了简化网络设计。在原文中,拆分后的结构相同的block数量称为cardinality(基数)。ResNeXt的核心网络结构 如下图所示。

2. 优缺点分析

优点:在不增加参数量情况下,提高了准确率。

缺点:待补充

3. 实验结果

4. 结论

    核心创新点就在于提出了 aggregrated transformations,用一种平行堆叠相同拓扑结构的blocks代替原来 ResNet 的三层卷积的block,在不明显增加参数量级的情况下提升了模型的准确率,同时由于拓扑结构相同,超参数也减少了,便于模型移植。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值