1.ResNet是什么?
-
ResNet = Residual Network残差网络,2015年由何凯明提出的深度卷积网络,一经出世,便在ImageNet中斩获图像分类、检测、定位三项的冠军。
-
随着网络的加深,梯度的大小(范数)急剧下降,这被称为梯度消失,这会导致学习速率非常缓慢。在极少数情况下也会出现梯度急剧上升,即梯度爆炸现象。表现在训练集上的准确度相较于浅层网络不但没有提高,反而会下降。
-
残差网络就是一种为了解决网络加深梯度消失现象而提出的网络。
2.残差指的是什么?
- ResNet提出了两种mapping:一种是恒等映射identity mapping,指的就是图中”弯弯的曲线”shortcut
connection快捷方式连接,另一种剩余映射residual mapping,指的就是除了”弯弯的曲线“那部分,所以最后的输出是 y=F(x)+x - identity mapping顾名思义,就是指本身,也就是公式中的x
- residual mapping指的是“差”,也就是y−x,所以残差指的就是F(x)部分
3.ResNet主要解决的问题
-
随着网络深度增加,出现了这样一个问题:是不是堆叠更多的层就一定能学习一个更好的网络呢? 如上图所示,答案是否定的。
-
核心是解决了增加深度带来的副作用(退化问题),这样能够通过单纯地增加网络深度,来提高网络性能。