В последние несколько лет нейронные сети пробрались во все отрасли машинного обучения, но самый большой фурор они бесспорно произвели в области компьютерного зрения. В рамках соревнований [ImageNet][1] было представлено множество различных архитектур свёрточных сетей, которые затем разошлись по фреймворкам и библиотекам.
[][2]
Чтобы улучшить качество распознавания своих сетей, исследователи старались добавлять в сети больше слоёв, однако со временем пришло понимание, что иногда ограничения производительности попросту не позволяют обучать и использовать настолько глубокие сети. Это стало мотивацией для использования depthwise separable convolutions и создания архитектуры Xception.

Если вы хотите узнать, что это такое, и посмотреть, как использовать такую сеть на практике, чтобы научиться отличать котов от собак, добро пожаловать под кат.
[Читать дальше →][3]

[1]: http://www.image-net.org
[2]: https://habrahabr.ru/post/347564/
[3]: https://habrahabr.ru/post/347564/?utm_source=habrahabr&utm_medium=rss&utm_campaign=347564#habracut