ResNet

• 發(fā)表于2015年

abstract

• 提出問題：深的神經(jīng)網(wǎng)絡非常難以訓練
• 干了什么：做了一個使用殘差學習的框架，來使得訓練非常深的網(wǎng)絡更加容易
• 提出的方法：把層作為一個殘差學習函數(shù)相對于層輸入的一個方法，而不是說跟之前一樣的學習unreferenced functions
• 提供了非常多的證據(jù)證明這些殘差網(wǎng)絡容易訓練、能夠得到很好的精度，特別是在把層增加了之后，在ImageNet數(shù)據(jù)集上使用了152層的深度，但是有了更低的復雜度

論文第一張圖

• 一般會在第一頁放上一個比較好看的圖
• 左圖是訓練誤差，右圖是在CIFAR-10上的測試誤差
• x軸是輪數(shù)
• y軸是錯誤率
• 從圖中可以看到，更深（更大的）網(wǎng)絡誤差率反而更高：訓練誤差更高，測試誤差也更高

實驗結果

• 核心結果

----end----