ResNet（残差网络）

定义

ResNet（Residual Network，残差网络）是微软亚洲研究院何恺明等人于 2015 年提出的卷积神经网络架构，凭借残差学习使训练上百层的深层网络成为可能，并获得当年 ImageNet 分类竞赛冠军。

原理

深层网络直接堆叠会出现退化问题：层数增加反而精度下降。ResNet 引入残差块，通过恒等映射的跳跃连接（shortcut）让网络学习输入与输出之间的残差，梯度得以直接回传，显著缓解了深层网络的优化困难。

影响

残差连接此后成为深度学习的通用设计，被 Transformer 等后续架构普遍采用；ResNet-50、ResNet-101 等变体长期作为图像任务的标准骨干网络。

应用

广泛用于图像分类、目标检测、语义分割等任务的特征提取，也是迁移学习中最常用的预训练模型之一。