撑起计算机视觉半边天的ResNet【论文精读】

ResNet

• 发表于2015年

abstract

• 提出问题：深的神经网络非常难以训练
• 干了什么：做了一个使用残差学习的框架，来使得训练非常深的网络更加容易
• 提出的方法：把层作为一个残差学习函数相对于层输入的一个方法，而不是说跟之前一样的学习unreferenced functions
• 提供了非常多的证据证明这些残差网络容易训练、能够得到很好的精度，特别是在把层增加了之后，在ImageNet数据集上使用了152层的深度，但是有了更低的复杂度

论文第一张图

• 一般会在第一页放上一个比较好看的图
• 左图是训练误差，右图是在CIFAR-10上的测试误差
• x轴是轮数
• y轴是错误率
• 从图中可以看到，更深（更大的）网络误差率反而更高：训练误差更高，测试误差也更高

实验结果

• 核心结果

----end----