resnet18特征提取

ResNet18是一种基于深度残差网络（Residual Networks，简称ResNets）的卷积神经网络模型，它是由Kaiming He等人在2015年提出的。ResNet18的特点在于引入了残差块（Residual Block），这种结构能够有效地解决深层网络训练过程中的梯度消失问题，使得网络可以更深，达到更好的特征表示能力。

在图像识别任务中，ResNet18通常作为预训练模型来提取特征。当应用于一个新的数据集时，我们会先在大规模的ImageNet等数据集上进行预训练，学习到丰富的底层特征如边缘、纹理和形状等。然后，在新的任务上（比如分类、物体检测或图像分割），通过去掉顶部的全连接层，仅保留前几层（通常是卷积层），将输入图片送入网络，这部分网络就称为特征提取器。提取出的特征会传递给下游任务使用的分类层或其他特定模块进行进一步处理。