评估 ResNeXt 模型架构在图像分类中的表现
计算机视觉与模式识别
2018-05-23 v1
摘要
近年来，深度学习方法已成功应用于图像分类任务。如今存在许多此类深度神经网络，能够轻松区分猫与狗。ResNeXt 模型便是其中一种，它采用同构的多分支架构进行图像分类。本文旨在 CIFAR-10 数据集的子集上实现并评估 ResNeXt 模型架构。同时，本文调整了原始的 ResNeXt 超参数（如基数、深度和基准宽度），并将改进后模型的性能与原始模型进行比较。本文所开展实验的分析表明，深度或基准宽度的轻微降低对模型性能影响不大，可获得相当的结果。
引用
@article{arxiv.1805.08700,
title = {Evaluating ResNeXt Model Architecture for Image Classification},
author = {Saifuddin Hitawala},
journal= {arXiv preprint arXiv:1805.08700},
year = {2018}
}
备注
8 pages, 6 figures