Uitleg
ResNet (Residual Network) is monumentale CNN-architectuur geïntroduceerd door Microsoft in 2015 met revolutionair idee van skip connections. Dit stelde trainable zeer diepe netwerken (tot 152 lagen) mogelijk.
ResNet learns residual mappings (f(x) = y - x) in plaats van direkte mappings (f(x) = y). Dit is efficiënter en helpt gradient-flow. Skip connections voegen input rechtstreeks toe aan output van residual block.
ResNet verbeterde state-of-the-art image classification dramatisch. Varianten (ResNet50, ResNet101, etc.) zijn standard baselines in computer vision. ResNet-concepten hebben impact gehad op alle deep learning-architecturen.
⚡ Voorbeelden
- •ResNet50 trainen op ImageNet bereikt state-of-the-art image classification
- •Pre-trained ResNets worden gebruikt als feature-extractors voor transfer learning
- •ResNet-concepten zijn uitgebreid naar ander domeinen (NLP, etc.)
Trefwoorden
residuele-blokkenzeer-diepe-architectuurskip-connectionsimage-classification