ResNet革新深度学习 | AI生成和翻译
ResNet（残差网络）是深度学习史上最重要的突破之一。该架构由微软研究院的何恺明等人于2015年提出，当年即以3.57%的惊人top-5错误率赢得ImageNet竞赛（超越当时的人类水平）。
ResNet之所以成为里程碑，源于五大核心价值：
-
解决深度网络的退化问题
在ResNet之前，人们认为“20层效果佳，56层应更优”。但实际表明，单纯堆叠层数会导致精度下降——并非过拟合，而是优化过程本身变得困难。ResNet成功训练了152层网络（后续研究更拓展至1000+层），并持续提升性能。 -
残差块与跳跃连接的核心设计
不再让网络直接学习目标映射H(x)，转而学习残差函数F(x) = H(x) − x，使每层计算x + F(x)。
数学表达：
y = F(x, {W_i}) + x
这种恒等捷径使梯度可通过跳跃连接直达网络底层，极大缓解了梯度消失/爆炸问题。 - 立即产生的广泛实践影响
- 2016至2020年间成为绝大多数视觉SOTA模型的核心骨架（至今仍被广泛使用）
- 应用于目标检测（Faster R-CNN + ResNet）、分割（DeepLab、Mask R-CNN）、生成模型（StyleGAN等）、视频分析、医疗影像等领域
- ResNet-50、ResNet-101、ResNeXt、Wide ResNet及ResNet-RS等变体至今仍是2025年的标准基线模型
-
开启“超深度神经网络”时代
ResNet之前：ImageNet最佳模型约20-30层（VGG、GoogLeNet）
ResNet之后：100-1000+层成为常态，深度结构对学习丰富特征至关重要 - 简约而不简单的架构革新
论文以清晰简洁著称，仅通过跳跃连接与逐元素相加的巧妙设计，无需复杂激活函数或损失函数改造，便实现架构层面的本质突破
总而言之：ResNet证明了通过合理设计架构，“更深即更好”确实可行，并在此后十年成为计算机视觉模型的标准起点。
即便在Transformer与ConvNeXt/ViT模型主导排行榜的2025年，ResNet-50因其高效稳定、理解透彻的特性，仍是业界最常用的基准骨干网络。
经典论文值得重温：
深度残差学习在图像识别中的应用