深度残差学习实现图像识别

这篇研究介绍了残差学习框架 (residual learning framework)，旨在解决训练极深神经网络时出现的优化难度和准确性退化问题 (degradation problem)。研究人员通过将网络层重构为学习相对于输入数据的残差函数 (residual functions)，而不是直接学习未引用的映射，极大地简化了训练过程。这种方法通过恒等快捷连接 (identity shortcut connections)实现，能够在不增加参数或计算复杂度的情况下，构建并有效训练深度超过100甚至1000层的网络。实验结果表明，残差网络不仅易于优化，而且能从显著增加的深度中获得更高的准确度，最终在ILSVRC 2015 图像分类以及多项目标检测和定位任务中取得**第一名 (1st place)**的优异成绩。

 arxiv.org