resnet特征提取

ResNet是一个深度卷积神经网络，用于图像分类和特征提取。它通过引入残差连接（shortcut）来解决深层网络中的特征冗余问题。在正向卷积过程中，每一层只提取了图像的一部分特征信息，导致原始图像信息的丢失越来越严重。而通过插入shortcut结构，ResNet能够将上一层的全部信息直接传递给当前层，从而保留更多的原始信息。这样可以减少特征的丢失，提高深层特征的学习效果。

ResNet的特征提取过程可以通过不断堆叠残差块来实现。每个残差块由两个卷积层构成，前后都有shortcut连接。这样可以确保在深层网络中，即使信息的传递过程中有一些信息丢失，仍然可以通过shortcut连接恢复丢失的信息。通过多个残差块的堆叠，ResNet可以提取出更加复杂的图像特征。