Deep Residual Learning for Image Recognition主要讲了什么

Deep Residual Learning for Image Recognition 是由何凯明等人在2016年提出的论文，主要提出了一种新的深度神经网络结构 ResNet，用于解决深度神经网络训练中的梯度消失和梯度爆炸问题。这个结构通过引入残差块（residual block）的方式，在保证模型深度的同时减轻了梯度消失的问题。该论文在 ImageNet 数据集上取得了准确率优秀的成绩，是深度学习领域的重要里程碑之一。