ResNet文献阅读报告 一、背景简介 二、残差结构 三、bottleneck结构 四、实验细节 (1)对ResNet解决网络退化问题能力的验证 (2)与SOTA的对比 (3)CIFAR-10的实验结果 (4)目标检测的实验结果 五、总结 一、背景简介 我选择的文献是Deep Residual Learning for Image Recognition,这篇论文的第一作者为何恺明,并夺得了2016年CVPR的best paper奖项。 深度学习中的网络从AlexNet,到VGG,再到GoogleNet,经历了网络层数的逐步加深。更深层的网络有着更强大的表征能力,可以提取出更加复杂的特征,从原则上来说应该会带来更好的结果。但是仅仅通过堆积层数来加深网络,会带来梯度消失和梯度爆