CV 经典主干网络 (Backbone) 系列: ResNet家族

CV 经典主干网络 (Backbone) 系列: ResNet家族

作者：Kaiming He 等
发表时间：2015
Paper 原文： Deep Residual Learning for Image Recognition

该篇是 CV 经典主干网络 (Backbone) 系列 下的一篇文章。

ResNet 在 CV 发展史上有非常重要的意义，它在 ImageNet 挑战赛上，首次实现了超越人类的水平。关于 ResNet 的介绍，将分为上下两个部分：

• ResNet家族：主要介绍原版（凯明大神论文里提出的） ResNet

• ResNet变种：主要介绍基于ResNet，效果比较好的改进版本

1. 网络结构

ResNet 的核心思想是采用了 identity shortcut connection，如下图一所示。结合下面第二、三幅图来看 ResNet34 的结构应该就非常清晰了。

值得注意的是，下面第二幅图中，shortcut 有虚线和实线之分，实际上虚线的地方是因为用了 stride 为 2 的 conv，因此虚线连接的 input 和 output 的 size 是不一样大的，因此没法直接进行 element wise addition，所以虚线表示并非是直接相连，而是通过了一个 conv 去完成了 resize 的操作，使相加的两个输入有相同的 size。

从下面的第三幅图可以看出 ResNet 的 stride 为 32。.另外如果在输出 size 减小的情况下，比如输入 56x56 的 feature map 下采样到 28时，会相应的增加通道数（64 变为 128），通过这种方式来控制 block 的参数量。

ResNet 通过 shotcut 的方式，很好的解决了梯度消失的问题，也使网络的层数推到了几百上千层，性能有了巨大的提升，但是和之前的网络相比，比如 VGG16，它仅仅在