什么叫残差网络，详细描述

残差网络（Residual Network，ResNet）是一种深度神经网络模型，由微软亚洲研究院（Microsoft Research Asia）的何凯明等人提出。它在2015年ImageNet图像识别和COCO图像分割竞赛中获得了第一名。相比于传统的深度神经网络，残差网络引入了“残差块”（residual block）的概念，可以解决深度神经网络训练过程中的梯度消失问题，同时也可以加速模型的训练和收敛。

具体来说，残差块包含了两个卷积层和一个跨层连接（shortcut connection），其中跨层连接将输入特征图直接加到输出特征图上，形成了一个“残差”（residual），使得在反向传播时梯度可以直接从输出端回传到输入端，避免了梯度在多层传递中逐渐衰减的问题。

残差网络的主要思想就是通过引入残差块来增加网络深度，同时保持了网络的精度和训练速度。残差网络不仅在图像识别和分割领域取得了优异的成绩，在自然语言处理、语音识别等领域也有广泛的应用。