ResNet

ResNet（Residual Network）是一种深度残差神经网络，由微软研究院的何恺明等人于2015年提出。它通过引入“残差模块”解决了深度神经网络中的梯度消失和梯度爆炸问题，使得模型能够训练更深的网络结构。ResNet的主要创新点在于其跨层连接的设计，即在每一层都引入一个恒等映射，将输入直接与输出相加，形成一个短路连接。这种设计使得网络可以更容易地学习到残差，从而加速了训练过程并提高了性能。ResNet在图像分类、物体检测等领域取得了显著的成果，成为深度学习领域的经典之作。