ResNet 50 权重文件

简介：
简介：ResNet 50 是一种深度残差网络模型的轻量级版本，包含50层神经元。此权重文件包含了该模型通过大规模数据集训练后得到的最佳参数值，用于图像分类任务中加速收敛和提高准确率。 更深层次的神经网络在训练上更加困难。我们提出了一种残差学习框架来简化比之前使用的网络更深的模型的训练过程。我们将每一层重新定义为相对于输入层学习残差函数，而不是无参照地学习函数。通过广泛的实验证据表明，这些残差网络更容易优化，并且可以通过显著增加深度而获得更高的准确性。在ImageNet数据集上，我们评估了最深达152层的残差网络——比VGG网络更深八倍但复杂度更低。一组这样的残差网在ImageNet测试集中达到了3.57%的错误率，在ILSVRC 2015分类任务中获得了第一名的成绩。我们也对CIFAR-10数据集进行了分析，深度分别为100层和1000层。对于许多视觉识别任务而言，表示层次的深度至关重要。仅仅因为我们的深层表征极其深入，我们在COCO对象检测数据集中取得了28%相对改进的效果。 深残差网络是我们提交给ILSVRC & COCO 2015竞赛的基础，在这些比赛中我们还赢得了ImageNet检测、ImageNet定位、COCO检测和COCO分割任务的第一名。