ResNeXtpapernotes

ResNeXt：Aggregated Residual Transformations for Deep Neural Networks

摘要

提出了一种名为 ResNeXt 的网络架构，该架构延续了通过堆叠构建块的方式进行设计。在构建块内部，采用了多分支的结构形式，其中分支的数量被定义为“基数”。作者指出，相较于提升网络的深度或宽度，增加分支的数量能够更有效地提升性能。ResNeXt 在 ILSVRC 2016 分类竞赛中取得了亚军的成绩。此外，作者还在 ImageNet-5K 分类任务以及 COCO 目标检测数据集上进行了相关实验，结果显示其性能优于 ResNet。相关的代码与模型可参考文献[1]。)

1. 简介

VGG 与 ResNet 网络结构均通过重复堆叠相同的基本构建单元来实现整体架构。Inception 网络则通过对网络内部组件进行细致规划，在保持较低计算开销的前提下实现了较高的识别精度。其核心思想在于采用 split-transform-merge 的操作流程。尽管 Inception 所探索的解空间属于大尺寸卷积层解空间的一个子集，但研究者期望通过 split-transfo