1. 程式人生 > >【深度學習】ResNeXt網路解讀

【深度學習】ResNeXt網路解讀

1. 網路結構

ResNeXt與resnet基本一致,唯一改動的地方在於resnet三層卷積的layer。它將layer從原來的多個filter卷積核拆分為多個個數少的filter卷積核,這些個數少的filter卷積核結構相同,目的是為了簡化網路設計。在原文中,拆分後的結構相同的block數量稱為cardinality(基數)。ResNeXt的核心網路結構 如下圖所示。

2. 優缺點分析

優點:在不增加引數量情況下,提高了準確率。

缺點:待補充

3. 實驗結果

4. 結論

    核心創新點就在於提出了 aggregrated transformations,用一種平行堆疊相同拓撲結構的blocks代替原來 ResNet 的三層卷積的block,在不明顯增加引數量級的情況下提升了模型的準確率,同時由於拓撲結構相同,超引數也減少了,便於模型移植。