Machine learning

残差网络（ResNet）

残差网络（ResNet）是由何恺明、张祥雨、任少卿和孙剑在2016年CVPR会议上提出的一种深度卷积神经网络架构。通过插入将块的输入直接传递到其输出的快捷（跳跃）连接——将块的任务定义为学习残差修正而非完整映射——ResNet能够训练包含数百甚至数千层的网络，而不会出现先前使非常深的网络难以处理的梯度消失退化问题。它以3.57%的top-5错误率赢得了ILSVRC 2015图像识别竞赛，并且仍然是计算机视觉中最广泛使用的骨干网络架构。

在 MethodMind 中打开即将推出视频即将推出Download slides

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

Method map

The neighbourhood of related methods — select a node to explore.

残差网络（ResNet）

AlexNet DenseNet EfficientNet Inception Network（GoogLe…CLIP Faster R-CNN 全卷积网络（FCN）ResNeXt U-Net VGGNet（超深度卷积网络）

+1 more

来源

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

如何引用本页

ScholarGate. (2026, June 3). Residual Network (ResNet). ScholarGate. https://scholargate.app/zh/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.

AlexNet深度学习↔ compare
DenseNet深度学习↔ compare
EfficientNet深度学习↔ compare
Inception Network（GoogLeNet）深度学习↔ compare

Compare side by side →

被引用于

AlexNet CLIP DenseNet EfficientNet Faster R-CNN 全卷积网络（FCN）Inception Network（GoogLeNet）ResNeXt U-Net VGGNet（超深度卷积网络）YOLO（You Only Look Once）

发现本页有问题？报告或提出修改建议 →