ResNet (Residual Network)

ResNet (Residual Network) adalah arsitektur jaringan saraf konvolusional dalam (deep convolutional neural network) yang diperkenalkan oleh Kaiming He, Xiangyu Zhang, Shaoqing Ren, dan Jian Sun pada CVPR 2016. Dengan menyisipkan koneksi pintas (skip connections) yang membawa masukan dari sebuah blok langsung ke keluarannya — mendefinisikan tugas blok tersebut sebagai pembelajaran koreksi residual alih-alih pemetaan penuh — ResNet memungkinkan pelatihan jaringan dengan ratusan atau bahkan ribuan lapisan tanpa degradasi gradien yang menghilang (vanishing-gradient) yang sebelumnya membuat jaringan yang sangat dalam menjadi tidak praktis. ResNet memenangkan kompetisi pengenalan citra ILSVRC 2015 dengan kesalahan top-5 sebesar 3,57% dan tetap menjadi arsitektur tulang punggung (backbone) yang paling banyak digunakan dalam visi komputer.