ResNet¶

ResNet（Residual Neural Network）由微软研究院的Kaiming He等四名华人提出，通过使用ResNet Unit成功训练出了152层的神经网络，并在ILSVRC2015比赛中取得冠军，在top5上的错误率为3.57%，同时参数量比VGGNet低，效果非常突出。ResNet的结构可以极快的加速神经网络的训练，模型的准确率也有比较大的提升。同时ResNet的推广性非常好，甚至可以直接用到InceptionNet网络中。

论文原文： https://arxiv.org/pdf/1512.03385

resnet34网络结构图：
根据模型层数不同对应如下结构：
resnet18、34对应左，resnet50、101、152对应右侧基础block。主要区别就是右侧先用了1*1卷积降维再通过3*3卷积进行特征提取，再用1*1卷积还原维度，主要就是减少参数量大小。