詳細解釋
ResNet（Residual Network）是微軟2015年提出的深層卷積網絡，通過殘差連接解決梯度消失，讓網絡可訓練數百層。
核心創新：殘差連接（Skip Connection）
- 傳統：學習H(x)（期望輸出）
- ResNet：學習F(x) = H(x) - x（殘差）
- 公式：輸出 = F(x) + x
- 允許網絡學習恒等映射，不會比淺層差
優勢：
- 解決退化問題：深層比淺層好
- 緩解梯度消失：跳躍連接保梯度流
- 可訓練極深網絡：ResNet-1000+
- 成為視覺任務標準骨幹
經典變體：
- ResNet-18/34/50/101/152
- ResNeXt：引入分組卷積
- Wide ResNet：更寬通道
- DenseNet：密集連接
應用：
- 圖像分類：ImageNet冠軍
- 目標檢測：Faster R-CNN骨幹
- 語義分割：特徵提取器
- 嵌入學習：特徵表示
現代地位：
- 被Vision Transformer挑戰但仍流行
- 輕量高效，工業界廣用
- 概念延續到Transformer設計
是深度學習 (深度神經網絡)發展的里程碑。