《ResNeXt: Aggregated Residual Transformations for Deep Neural Networks》论文笔记

1. 概述 论文提出了ResNet网络升级版——ResNeXt网络，以往提高模型准确率的方法都是加深网络或者加宽网络。然而随着超参数数量的增加，网络设计的难度和计算开销也会增加。所以本文提出了ResNeXt结构，该结构可以在不增加参数复杂度的前提下提高模型的准确率，同时也可减少超参数数量。将论文中提出的方法在ILSVRC 2016分类数据集与COCO检测数据集上都比原始ResNet网络要好。 本文

>>阅读原文<<