CVPR 2016 best paper
点击查看原文

摘要

  • 问题 :网络越深越难训练
  • 解决方法:残差学习的框架——明确地将层变为学习关于层输入的残差函数,而不是学习未参考的函数
  • 优点:这些残差网络很容易优化,并可以显著增加深度来提高准确性
  • 效果:在ImageNet数据集上,评估了深度高达152层但仍具有较低的复杂度的残差网络,并取得了3.57%的错误率;仅由于我们非常深度的表示,我们便在COCO目标检测数据集上得到了28%的相对提高。

论文结构

ResNets

(To be continued...)

ResNet

实验

参考:

  1. 25组-Deep Residual Learning for Image Recognition
  2. 深度学习论文笔记:Deep Residual Learning for Image Recognition