【深度学习】经典神经网络 ResNet 论文解读

ResNet 是何凯明团队的作品，对应的论文 《Deep Residual Learning for Image Recognition》是 2016 CVPR 最佳论文。ResNet 的 Res 也是 Residual 的缩写，它的用意在于基于残差学习，让神经网络能够越来越深，准确率越来越高。

我们都知道，自 2012 年 AlexNet 在 ILSVRC 一战成名后，卷积神经网络便一发不可收拾，后续的各类竞赛中各种神经网络都大发异彩，除了更高的准确率之外，它们普遍的特征就是，网络的层级越来越深了。

这里会产生一个问题，那就是神经网络真的越深越好吗?

但至少有证据表明，情况不是这样的，如果神经网络越来越深，这个神经网络可能会出现退化(degradation) 的现象。这里说的退化是指网络层级加深后，训练的准确率却可能出现饱和的现象。

上面的图片指示的是在 CIFAR-10 这个小型的数据集上，56 层的神经网络的表现比不过 20 层的神经网络。也就是前面说的层数越深，网络却反而退化了。

如何构建更深层的网络？

前面提到的，当网络层次更深时，反而会出现退化的现象，那么有没有办法避免呢？

有一个解决方案是：

在一个的常规的比较浅的模型上添加新的层，而新的层是基于 identity mapping 的。

identity 是相同的意思，identity mapping 可以称为恒等变换，也就是输入与输出是相等的映射关系。

通俗来讲，就是在一个浅层的网络模型上进行改造，然后将新的模型与原来的浅层模型相比较，这里有个底线就是，改造后的模型至少不应该比原来的模型表现要差。因为新加的层可以让它的结果为 0，这样它就等同于原来的模型了。这个假设是 ResNet 的出发点。

那么如何做呢？

作者引入了 deep residual learning framework，也就是基于残差的深度学习框架，实际上是需要对常规的神经网络的改造。

我们都知道，目前流行的神经网络都可以看成是卷积层的堆叠，可以用栈来表示，我们就叫它卷积栈好了.

输入数据经过每个卷积层都会发生变化，产生新的 featuremap ，我们可以说数据在输入与输出间发生了映射，也就是 mapping。神经网络中的权重参数一个作用就是去拟合这种输入与输出之间的 mapping。

ResNet 准备从这一块动手，假设现在有一个栈的卷积层比如说 2 个卷积层堆叠，将当前这个栈的输入与后面的栈的输入之间的 mapping 称为 underlying mapping，现在的工作是企图替换它引入一种新的 mapping 关系，ResNet 称之为 residual mapping 去替换常规的 mapping 关系。

意思是与其让卷积栈直接拟合 underlying mapping，不如让它去拟合 residual mapping。而 residual mapping 和 underlying mapping 其实是有关联的。

将 underlyingmapping 标记为 $H(x)$

将经过堆叠的非线性层产生的 mapping 标记为 $F(x):=H(x)-x$

所以，最原始的 mapping 就被强制转换成 $F($