ResNet

1.前言

• ResNet论文
• 论文全称Deep Residual Learning for Image Recognition（用于图像识别的深度残差学习）
• 深度残差网络ResNet，在2015年ImageNet和COCO竞赛中获得五项冠军，在2016年CVPR中获得最佳论文
• 作者是何凯明、张祥雨、任少卿、孙剑来自微软亚洲研究院MSRA

2.摘要

摘要翻译：

• 深度神经网络难以训练，我们提出了一种残差学习的框架，用于解决非常深网络的训练问题，我们明确的将网络学习框架重构了，原来网络直接去拟合分布，而现在让网络直接去拟合相对于上一层输出的残差。我们做了全面的实验，表明残差的网络更容易学习，而且能够通过增加深度来提升性能和准确率。
• 在ImageNet数据集上，我们训练了152层的网络——是VGG的8倍，但是152层的网络在参数量和模型复杂度上却比VGG低。
• 很多的残差模型集成达到了3.57%左右的错误率，这个结果赢得了2015年ImageNet图像分类竞赛的冠军，我们还在CIFAR-10数据集上构建了100层和1000层的网络。
• 神经网络的深度是非常重要的，网络越深，它能够提取特征的层次就越丰富，所以各类计算机视觉任务都要依赖于深度网络提取的特征。
• 仅仅是因为我们这个网络非常深，所以能提取很好的特征。仅仅是换了一个特征，我们就在COCO数据集上达到了82%的相对提升，而且在ImageNet和COCO2015年的五个主要赛道上获得了冠军，比如说ImageNet的目标检测定位，COCO的目标检测和COCO的分割

• ImageNet-2015$⎩$