Machine learning
ResNet (Residual Network)
ResNet (Residual Network)는 Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun이 CVPR 2016에서 소개한 심층 합성곱 신경망 아키텍처입니다. 블록의 입력을 직접 출력으로 전달하는 스킵(shortcut) 연결을 삽입하여 — 블록의 작업을 전체 매핑이 아닌 잔차(residual) 보정 학습으로 정의 — ResNet은 이전에는 매우 깊은 네트워크를 비실용적으로 만들었던 기울기 소실(vanishing-gradient) 저하 없이 수백 또는 수천 개의 레이어를 가진 네트워크 학습을 가능하게 했습니다. ILSVRC 2015 이미지 인식 대회에서 3.57%의 top-5 오류율로 우승했으며, 컴퓨터 비전 분야에서 가장 널리 사용되는 백본 아키텍처로 남아 있습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
출처
- He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep Residual Learning for Image Recognition. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 770–778. DOI: 10.1109/CVPR.2016.90 ↗
- He, K., Zhang, X., Ren, S., & Sun, J. (2015). Deep Residual Learning for Image Recognition. arXiv:1512.03385. link ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 9: Convolutional Networks). MIT Press. ISBN: 978-0-262-03561-3
이 페이지 인용 방법
ScholarGate. (2026, June 3). Residual Network (ResNet). ScholarGate. https://scholargate.app/ko/deep-learning/resnet
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- AlexNet딥러닝↔ compare
- DenseNet딥러닝↔ compare
- EfficientNet딥러닝↔ compare
- Inception Network (GoogLeNet)딥러닝↔ compare